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。
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。
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。
AIが人間の雇用を奪うとする「技術失業」に関する議論がこの数年で活発になっています。論調は研究者によってさまざまで、ほとんど全ての仕事がAIとオートメーションに取って代わられるとするものから、それほど大した影響はないとするものまで百家争鳴の様相を呈しています。
今後どうなるかについては確かにかなりの不確かさがあります。しかし、今後は人間の仕事にAIが深くまで浸透してくることは確かでしょう。そしてAIの普及は経済的にも大きなインパクトとなることが予想され、これからの経済戦略を考える上で外せないピースとなっています。
AIと雇用について、今後日本では何が課題となってくるのか、本記事ではそれを見ていきます。
ディープラーニングが注目されるようになり、それと同時に脳を参考にしたニューラルネットワークにも関心が集まるようになりました。しかし、ここで言う「ニューラルネットワーク」はあくまでプログラムや学習システムの構造を意味する言葉で、コンピューターのCPUに使われる回路を示すものではありません。
しかし、人間の脳を電子的なネットワークと捉えるのであれば、プログラム上でそれを再現するのではく計算回路そのもので再現するアプローチもあるはずです。ここでは、ハードウェアの面から脳の構造を利用しようとする「脳型コンピューター」について、簡単に概要のみご説明します。
ビッグデータというワードがあちこちに聞かれるようなりましたが、そこで当然「ビッグがあるならスモールもあるの？」と思うようになります。スモールデータというワードは存在しますが、意外と知られていません。しかし、これは意外と人間にとって大切になってくる領域です。
ビッグデータで扱われるような膨大な情報の取り扱いには機械や人工知能の助けが必須です。一方、スモールデータを効果的に活用する能力は機械にはありません。あったとしてもビッグデータをベースにした情報活用に過ぎず、人間のスモールデータの活用能力には遠く及ばないのです。そこで、そんなスモールデータデータについて簡単に解説していきます。
