2017年9月、何匹ものタコが集まって暮らす「町」が発見されたという調査報告が発表されました。タコは本来単独行動をする生き物です。それが群れで集まって集団生活をしているという調査報告は驚きをもって迎えられました。タコたちはどのようにして社会的行動を学んだのでしょう？
それに迫るべく、タコの知能について、タコたちが作った「町」について、そして生物が群れで集まって暮らすことの利点について探っていきましょう [—続きを読む—]
Science
スマホの顔認証ってどうなってるの？ 似ている人が突破できたりできなかったり
AndroidやWindowsで先行していた顔認証システムがついにiPhoneにも搭載されるようになり、これでほぼ全てのスマートフォンに顔認証システムが導入されたことになりました。iPhoneに搭載されている顔認証は従来のものより高性能だということですが、双子が認証を突破した事例や性別の違う子供が突破してしまった事例が話題になっています。
「おいおい、顔認証って大丈夫なのか？」と心配になってしまうところですが、優れているはずの顔認証システムでどうしてこんな現象が起こるのか、誰にでも分かるようにざっくりと解説していきます。
単位の国際基準、メートル・秒・キログラムの定義とその変遷
1メートルを測るにはメジャー、1キログラムを測るにははかり、1秒を測るにはストップウォッチと、長さや重さを測る道具は身の回りにいくらでもあります。では、メジャーに書かれた1メートルは一体どうやって測ったのでしょう？そもそも1メートルとは、いったい何の長さなのでしょうか？
長さに限らず、重さや時間も人間が定めた規則であり、厳密な国際的基準が存在します。この記事では、長さや重さの基準がどう定められてきたか、そしてどう変わってきたかについて解説します。
技術的にはどう違う？超伝導リニアとハイパーループのしくみ
日本での超伝導リニア運行に向け、南アルプストンネルの工事が本格的に始まりました。超伝導リニアが走る中央新幹線は最終的に東京―名古屋―大阪を結ぶ路線となり、全線開業は最短で2037年を予定しています。
一方、日本以外に目を向けると、この数年で「ハイパーループ」という新式の交通手段が考案されています。こちらの売りも高速走行なのですが、超伝導リニアと一体どう違うのでしょう？
本記事では超伝導リニアとハイパーループを取り上げ、それぞれの技術的な解説を行っていきます。
新元素を作る意味、莫大な研究資金を費やす価値とは？
2016年にニホニウムという名称が決まった原子番号113の新元素。日本が始めて命名権を得た元素として有名になりましたが、このニホニウムが社会に何か良い影響を与えるかというと実はそうでもない。
そもそも作っても一瞬で消えてしまう元素で、何か使えるわけでもありません。そんな役に立たない元素を作るのに莫大な資金を費やす価値はあるのでしょうか。
なんて、否定的な書き出しですが、実はちゃんと意味があります。本記事ではその意義について分かりやすく解説していきます。
人工知能が映像を合成し、映画や写真が大きく変わる
人の顔の画像を人工知能によって自動生成する技術は大きく進歩しました。実在する人間の顔と区別できないレベルになっています。
素晴らしい技術の進歩です。凄いというだけで終わるのは勿体無いでしょう。なぜなら、これが意味するところは人間の映像を作るのに本物の人間が必要なくなるということだからです。私達が知らない内に、ファッション雑誌やグラビアに掲載される人間が自動生成されたものになっているかもしれません。
GPSのしくみと消費電力の関係、どうすれば電池を節約できる？
GPSはスマホやカーナビについていて当たり前の技術であり、超小型のIoT機器にも導入されています。GPS衛星と通信していると考えると何やら凄そうに聞こえますが、そのしくみは意外にシンプルです。その割には電池の消費が激しく、電池の節約にGPSのオフは欠かせません。
凄そうに見えて簡単な、簡単な癖に面倒な、GPSのしくみと消費電力について解説しましょう。そのしくみを踏まえた上で、節約の方法についても考えてみます。
石炭が未来の燃料に？ 技術の進歩で注目される安価で豊富な化石資源
石炭についてどのようなイメージをお持ちでしょう?
黒い塊、煤が出る、古くさい燃料で、石油にとって替わられた……等々、身近な燃料として石油が普及しきった現代にあっては、もう過去の物という印象があってもおかしくないかもしれません。
ところが実は、石炭は今でも世界各地で広く使われているのです。それどころか、少なくとも日本では、10年先になっても相当の需要が見込まれる燃料なのです。
この記事では、石炭そのものについて、エネルギー資源としての立ち位置について、そして今後の石炭産業が乗り越えるべき技術的ハードルについて解説していきます。
ディープラーニングを使うとなぜ人工知能の考え方や判断理由が分からなくなるのか
人工知能が進歩して人間を超えてしまうと、「人工知能がなぜその判断をしたのか人間には理解できなくなるから危険だ」なんて言われることがありますが、すでにディープラーニング技術を利用している人工知能の考えが人間にはわからない領域に達しています。
しかし、これは別に人工知能が人間より賢くなったとか、人工知能が人間には理解できないレベルで物事を考えているとか、そういうことではありません。単純にディープラーニングの特性や仕組みに由来するものです。本記事ではそれを踏まえ、ディープラーニングを使うとなぜ人工知能の考え方や判断理由が人間には理解できなくなるのかについて解説していきます。
人工知能に起こり得るバイアス、データが偏るとAIも偏見を持つ
面接で人を採用するかしないか、少額融資希望者に融資するかしないか、犯罪者の量刑をどの程度に定めるか――。
こうした判断を人間ではなくAIに判断させようという動きが広まっています。
決定いかんで人生を左右しかねないこれらの判断。そこにAIを持ち込もうという試みの背景にあるのは、AIであれば人種や性別による偏見(バイアス)なく、公平な判断を下せるだろうという期待があります。
しかし、万一AIにもバイアスが発生するならば、どうやって公平性を保てばよいのでしょう?