FacebookがDeep Learningを超えるAIで変えていくこと

http://www.wired.com/wiredenterprise/2013/12/facebook-yann-lecun-qa/

2 comments | 1 point | by WazanovaNews 3年以上前


noto 3年以上前 | ▲upvoteする | link

最後の「SF が現実となる」までは遠いかなー、と思います。

「SF の世界」だと人工知能が優秀な人間と同じようにどんな問題でも解決してくれるというイメージですが、反して人工知能の研究が明らかにしたのはそういう夢のようなことは到底無理そうだ、ということでした。なので、今回のニュースから「SF が現実となる」ところまで想像するのは少し厳しいかなという感じがします。

一方、大量のデータを使って統計処理することで、それ以前ではできなかったことができているというのはあって、今このコメントを書くのに使っている Google 日本語入力もウェブ検索などで人間が入力する膨大な単語や、新しく使われ始めた流行語、固有名詞を統計処理を通して発見して、変換候補にしてくれているようです。ソーシャルメディアの世界でも大量のデータからユーザの行動特性を定量的に把握して、ユーザの気持ち良さを最大化するようなパラメータの決定を半ば自動的に行なっているとも言われています (例: http://www.gamebusiness.jp/article.php?id=4283 )。

なので、「SF との世界が実現」というよりは、本文中にある『「コードを書いて問題を解決する」という領域に入ってくると、「更に高度に分析して高度に判断」するという発展が期待できます』という人間の努力を積み重ねることによって自動化 (と機械学習) できる領域が増えつつあるという状況であって、前者と後者は似ているようでそうとう距離があるというのが今の段階での認識です。

Facebook の発表をよく見てみると「ニューヨーク大学の Center for Data Science が Facebook と data science, machine learning, and AI 分野での研究遂行についてパートナーシップを締結する」と書かれていて、data sciense, machine learning が AI より先に表記されていることもわかります。

#facebook #ai #機械学習

Jshiike 3年以上前 | ▲upvoteする | link

Facebook: MySQL Pool Scannerでの徹底した自動化」を書いたときに思ったのは、Facebookが手がけている自動化は「作業」というレベルを超えて、「分析して判断」するという領域に踏み込んでいること。例えば、サーバが完全に落ちたので復旧するというのは「作業」の自動化だけども、

この相関図はコピーやメンテのみを前提とした基本的なもので、ステータスの変更には他にも多くのパターンがありえる。しかし、そのパターンを全てコーディングするのは手間が大変。そこで、タグのような働きをする「Problem」を導入した。サーバ内のインスタンスの全てが同じ「Problem」をもつと、そのサーバが「problem」をもつと見なされる仕組みである。MPSは特定の問題に対処するパターンをつくるために、(ステータス、problem) - (アクション、ステータス) という構成の「Problem」データを確認する。

ここまでくると、「分析して判断」していると言えます。

よく考えてみたら、「分析して判断」するということは、必ずしもAI (人口知能) というレベルまでいかなくても、「コードを書いて問題を解決する」というかたちで、ソフトウエアが実現できる役割として既に担っていること。そうなると、「作業」は「こなす」というアクションになるが、「コードを書いて問題を解決する」という領域に入ってくると、「更に高度に分析して高度に判断」するという発展が期待できます。

ちょっと前置きが長くなりましたが、この文脈で考えると、
FacebookがAIの研究所を設立するという発表
も自分の中ではすごく腹落ちしました。つまり、Facebookユーザの行動データをどう解釈して、どのようなサービスを提供するのかということだけでなく、開発 & オペレーションもAIを必要とするフェーズまでいくのだなという理解をしました。

この研究所の責任者となるNY大教授のYann LeCunがWiredのインタビューに答えてます。Facebookのサイトでは、大量のデータを活かしたマシンラーニング(機械学習)の技術が既にかなり応用されているが、今回目指しているのは、

"…theory of the mind. How do we model - in machines - what human users are interested in and are gong to do?"

と自立的にモデルを構築する技術。

例えば、写真のラベルを自動付与する場合は "supervised running"、つまり大量の写真データと既存のラベルデータをマシンに与えて学習させる。これはすでにGoogleやBaiduなどで、成功 & 実用されている。一方、ビデオのデータをマシンに渡して、それが何を意味するのかという課題を与えると、ビデオに映っている物体の前後関係やカメラの動きを分析してモデルをつくるという "unsupervised learning algorithms"が必要になるとのこと。

これって、まさに、マシンが「学ぶ」から、「考える」というレベルにアップすることですよね?

この成果が将来、開発 & オペレーションの分野に応用されると、「自動化のおかげでバックエンドのことをあまり気にしなくてよくなった。」から、「バックエンドの存在はまったく気にしなくてよくなった。」という世界がくるのでしょうか。

何かSFが現実となるような気分になってきました。

Back