人工知能は人間を超えるか Chapter 07 (4) じんこう ちのう は にんげん を こえる か|chapter Will Artificial Intelligence Surpass Humans Chapter 07 (4) L'intelligence artificielle dépassera-t-elle l'homme ? Chapitre 07 (4) A inteligência artificial ultrapassará o ser humano Capítulo 07 (4) Превзойдет ли искусственный интеллект человека Глава 07 (4)

さらに 、「 顧客 が 何 が ほしい か 」 が わかる ように なり 、 商品 開発 に も サービス の 提供 に も 活 か さ れる ように なる 。 |こきゃく||なん||||||||しょうひん|かいはつ|||さーびす||ていきょう|||かつ||||| In addition, it will help you understand what your customers want, which can then be used in product development and service provision.

そして 、 顧客 の 変化 や 社会 環境 の 変化 に 対して の 対応 力 が きわめて 早く なる 。 |こきゃく||へんか||しゃかい|かんきょう||へんか||たいして||たいおう|ちから|||はやく| And, the ability to respond to changes in customers and the social environment becomes much quicker.

当初 、 生物 は 、 単純な 反応 系 と して 、 情報 を 入力 し 、 処理 し 、 行動 と して 出力 して いた （ たとえば アメーバ など の 生物 を 想像 する と よい ）。 とうしょ|せいぶつ||たんじゅんな|はんのう|けい|||じょうほう||にゅうりょく||しょり||こうどう|||しゅつりょく|||||||せいぶつ||そうぞう||| |||||||||||||||||||||amoeba|||||||| In the beginning, organisms were simple reaction systems, inputting information, processing it, and outputting it in the form of actions (think of amoebas, for example). Inicialmente, los organismos ingresan información, la procesan y la emiten como acciones como un sistema de reacción simple (piense en organismos como las amebas).

ところが 、 その 情報 が リッチに なり 、 たくさんの データ で 世界 を 見られる ように なった 。 ||じょうほう||りっちに|||でーた||せかい||み られる|| ||||richly||||||||| However, the information has become richer, and we can now view the world with a lot of data. 特に 「 眼 の 誕生 」 は 強烈で 、 それゆえに 、 捕食 者 から いかに 生き延びる か 、 身 を 隠す か と いった 生物 の 戦略 が 多様 化 し 、５億４２００万 年 前 の カンブリア 紀 に おける 生物 の 多様 性 の 爆発 （ カンブリア 爆発 ） の 契機 と なった と いう （＊ 注 56）。 とくに|がん||たんじょう||きょうれつで||ほしょく|もの|||いきのびる||み||かくす||||せいぶつ||せんりゃく||たよう|か||おく|よろず|とし|ぜん|||き|||せいぶつ||たよう|せい||ばくはつ||ばくはつ||けいき|||||そそ |eye|||||therefore|predation||||survive|||||||||||(subject marker)|diversity||||||||Cambrian|period||||||||||||opportunity||||| The "birth of the eye" was particularly powerful, and it led to a diversity of strategies for surviving and hiding from predators, and triggered the explosion of diversity (the Cambrian explosion) in the Cambrian period, 542 million years ago (*Note 56).

企業 活動 も 同じで 、 ビッグ データ に よって 、 企業 を 取り巻く さまざまな 環境 を とらえられる ように なった 。 きぎょう|かつどう||おなじで|びっぐ|でーた|||きぎょう||とりまく||かんきょう||とらえ られる|| ||||||||||surround||||can be captured|| The same is true for corporate activities, where Big Data allows us to capture the environment in which a company operates. まさに 「 眼 の 誕生 」 だ 。 |がん||たんじょう| It is truly the "birth of the eye.

センサー が 発達 した 結果 、 企業 は さまざまな 戦略 を とれる ように なる 。 せんさー||はったつ||けっか|きぎょう|||せんりゃく|||| As a result of the development of sensors, companies will have a variety of strategies.

そして 、 次に 来る の は 「 脳 の 進化 」 である 。 |つぎに|くる|||のう||しんか| And what comes next is "brain evolution.

センサー の 情報 から 、「 草 が 不自然に 動いた から 敵 が いる かも しれ ない 」 と いった 形 で 、 ほか の 生物 が とらえられ ない ような 情報 を とらえ 、 生存 に 活 かす 。 せんさー||じょうほう||くさ||ふしぜんに|うごいた||てき||||||||かた||||せいぶつ||とらえ られ|||じょうほう|||せいぞん||かつ| |||||||||||||||||||||||captured||||||survival||| From the sensor information, we can capture information that other organisms cannot, such as "the grass is moving unnaturally, so an enemy may be present," and use this information for survival. 変わり ゆく 環境 に おいて は 、 抽象 化 能力 が 高ければ 、 少ない サンプル 数 で 適応 する こと が でき 、 生存 確率 が 上がる 。 かわり||かんきょう||||ちゅうしょう|か|のうりょく||たかければ|すくない|さんぷる|すう||てきおう|||||せいぞん|かくりつ||あがる ||||||||||if high||||||||||||| In a changing environment, the higher the abstraction, the fewer samples are needed to adapt, and the higher the probability of survival.

実は 、 このような 産業 構造 に おける 競争 力 の 議論 は 、２００８ 年 の 経済 産業 省 産業 構造 審議 会 の 「 知識 組替え の 衝撃 ─ 現代 産業 構造 の 変化 の 本質 」 と いう 報告 書 の 中 でも 行われて いる 。 じつは||さんぎょう|こうぞう|||きょうそう|ちから||ぎろん||とし||けいざい|さんぎょう|しょう|さんぎょう|こうぞう|しんぎ|かい||ちしき|くみかえ||しょうげき|げんだい|さんぎょう|こうぞう||へんか||ほんしつ|||ほうこく|しょ||なか||おこなわ れて| ||||||||||||||||||deliberation||||reorganization|||||||||||||||||| In fact, such a discussion of competitiveness in industrial structure was also made in a 2008 report by the Industrial Structure Council of the Ministry of Economy, Trade and Industry, entitled "The Impact of Knowledge Rearrangement: The Nature of Changes in Modern Industrial Structure. そこ で は 、 日本 経済 に 欠けて いる の は 、「 グローバル 化 等 の 構造 変化 が 進む なか で 、 個別 の 強み を 業種 、 組織 、 市場 （ 国境 、 地域 ）、 技術 分野 、 もの づくり ／ サービス の 境界 等 を 超えて 展開 し 、 組替える こと に よる 、 グローバルな トレンド を つくる 力 」 だ と されて いる 。 |||にっぽん|けいざい||かけて||||ぐろーばる|か|とう||こうぞう|へんか||すすむ|||こべつ||つよみ||ぎょうしゅ|そしき|いちば|くにざかい|ちいき|ぎじゅつ|ぶんや|||さーびす||きょうかい|とう||こえて|てんかい||くみかえる||||ぐろーばるな|とれんど|||ちから|||さ れて| |||||||||||||||||||||||||||borders||||||||||object marker||||restructuring|||||||||||| The report states that what the Japanese economy lacks is "the ability to create global trends by developing and recombining individual strengths across industries, organizations, markets (borders, regions), technological fields, and manufacturing/service boundaries amid structural changes such as globalization. まさに 知識 の 転移 である 。 |ちしき||てんい| It is truly a transfer of knowledge.

経済 を 、 産業 構造 と いう 視点 から 見た 分析 と 、 人工 知能 に おける 抽象 化 の 仕組み と いう 視点 から の 分析 が 、 ほぼ 同じ 答え と なる の は きわめて 興味深い 。 けいざい||さんぎょう|こうぞう|||してん||みた|ぶんせき||じんこう|ちのう|||ちゅうしょう|か||しくみ|||してん|||ぶんせき|||おなじ|こたえ||||||きょうみぶかい |||||||||analysis||||||||||||||||||||||||| It is very interesting that the analysis of the economy from the viewpoint of industrial structure and the analysis from the viewpoint of abstraction mechanism in artificial intelligence give almost the same answer.

その 背景 に は 、 資本 主義 経済 に も 、 生物 の 生き残る 環境 の いずれ に おいて も 、「 予測 性 が 高い もの が 勝ち残り やすい 」 と いう 本質 的な 競争 条件 が ある こと 、 その ため に 選択 と 淘汰 と いう 原理 が 採用 されて いる こと （ エーデルマン 氏 が 脳 の 中 でも 予測 性 が 高い か どう か に よる 選択 と 淘汰 が 働いて いる と 述べた こと は 前述 した ）、 そして 、 抽象 化 に よって 知識 を 転移 さ せる と いう こと が 、 変化 する 環境 に 対応 する 極めて 強力な 武器 である こと と いう 共通 点 が ある から で は ない か と 思う 。 |はいけい|||しほん|しゅぎ|けいざい|||せいぶつ||いきのこる|かんきょう||||||よそく|せい||たかい|||かちのこり||||ほんしつ|てきな|きょうそう|じょうけん|||||||せんたく||とうた|||げんり||さいよう|さ れて||||うじ||のう||なか||よそく|せい||たかい||||||せんたく||とうた||はたらいて|||のべた|||ぜんじゅつ|||ちゅうしょう|か|||ちしき||てんい|||||||へんか||かんきょう||たいおう||きわめて|きょうりょくな|ぶき|||||きょうつう|てん|||||||||おもう ||||capital|ism|||||||||||||||||||survival||||||||||||||||natural selection|||principle||||||Edelman||||||||||||||||||||||||||mentioned||||||||||||||||||||||||weapon||||||||||||||| This is because both capitalist economies and the environments in which living organisms survive have in common the essential competitive condition that "those with high predictability are more likely to win," the principle of selection and culling (as Edelman noted earlier, selection and culling work in the brain according to predictability), and the fact that transferring knowledge through abstraction is an extremely powerful weapon in responding to changing environments. だが 、 技術 の 独占 に 対する 警戒 も 必要である 。 |ぎじゅつ||どくせん||たいする|けいかい||ひつようである |||monopoly|||caution|| But we also need to be vigilant against technological monopolies.

人工 知能 は 「 知能 の ＯＳ （ オペレーティングシステム ）」 と 言う こと が できる かも しれ ない 。 じんこう|ちのう||ちのう||ｏｓ|||いう|||||| ||||||operating system|||||||| Artificial intelligence may be described as an "OS (operating system) of intelligence.

汎用 的な 特徴 表現 学習 の 技術 が 土台 に あって 、 その 上 に 、 さまざまな 機能 を 実現 する アプリケーション が 載って いる イメージ だ 。 はんよう|てきな|とくちょう|ひょうげん|がくしゅう||ぎじゅつ||どだい||||うえ|||きのう||じつげん||||のって||いめーじ| ||||||||foundation|||||||||||||||| The image is that general-purpose feature representation learning technology is the foundation on which applications that realize various functions are mounted.

特徴 表現 学習 など の 学習 アルゴリズム が 基盤 に なって いれば 、 アプリケーション の 部分 で どういう 機能 を 追加 する か は 、 実は それほど 難しい こと で は ない 。 とくちょう|ひょうげん|がくしゅう|||がくしゅう|||きばん||||||ぶぶん|||きのう||ついか||||じつは||むずかしい|||| Once learning algorithms such as feature representation learning are in place, it is actually not that difficult to determine what features to add to the application.

逆に 言う と 、 特徴 表現 学習 の 部分 を 特定の 企業 に 握ら れたり 、 ブラックボックス 化 さ れたり する と 、 非常に やっかいな こと に なる 。 ぎゃくに|いう||とくちょう|ひょうげん|がくしゅう||ぶぶん||とくていの|きぎょう||にぎら||ぶらっく ぼっくす|か|||||ひじょうに|||| ||||||||||||controlled||black box|||||||troublesome||| Conversely, if the feature representation learning part is held or black boxed by a particular company, it can be very troublesome.

特徴 表現 学習 の アルゴリズム が オープンに なら ず 、「 学習 済み 」 の 製品 だけ が 製造 ・ 販売 さ れる こと に なる と 、 リバースエンジニアリング で 分解 したり 動作 を 解析 したり して 仕様 や 仕組み を 明らかに する こと が 不可能である 。 とくちょう|ひょうげん|がくしゅう||||おーぷんに|||がくしゅう|すみ||せいひん|||せいぞう|はんばい|||||||||ぶんかい||どうさ||かいせき|||しよう||しくみ||あきらかに||||ふかのうである |||||||||||||||manufacture||||||||reverse engineering||||operation||analysis||||||||||| If the learning algorithms are not open and only "pre-learned" products are manufactured and sold, it is impossible to reverse engineer them and analyze their behavior to reveal their specifications and mechanisms.

たとえば 、 学習 は 、 学習 アルゴリズム を 秘匿 した まま どこ か の 工場 で やって 、 学習 済み の 製品 だけ が 販売 さ れる 。 |がくしゅう||がくしゅう|||ひとく||||||こうじょう|||がくしゅう|すみ||せいひん|||はんばい|| ||||||kept secret||||||||||||||||| For example, learning is done in a factory somewhere with the learning algorithm kept secret, and only products that have been learned are sold.

ロボット なら 分解 すれば 構成 部品 や 要素 技術 が わかる し 、 アプリケーション なら その 動作 から 中身 を 推測 する こと が できる が 、 学習 結果 から 学習 アルゴリズム を 推定 する の は ほぼ 不可能である 。 ろぼっと||ぶんかい||こうせい|ぶひん||ようそ|ぎじゅつ|||||||どうさ||なかみ||すいそく||||||がくしゅう|けっか||がくしゅう|||すいてい|||||ふかのうである |||||||element||||||||||||infer||||||||||||estimate||||| While a robot can be disassembled to reveal its components and technology, and an application can be inferred from its behavior, it is almost impossible to infer a learning algorithm from the learning results.

ちょうど 、 人間 の 脳 を いくら 調べて も 、 知能 の アルゴリズム が わから ない の と 同じである 。 |にんげん||のう|||しらべて||ちのう||||||||おなじである Just as no matter how much you examine the human brain, you will never know the algorithm of intelligence.

汎用 的な ＯＳ を 押さえて おく と 、 何 が 有利な の か 。 はんよう|てきな|ｏｓ||おさえて|||なん||ゆうりな|| What are the advantages of having a general-purpose OS?

土台 が できて いれば 、 アプリケーション の 開発 と 修正 ・ 更新 が 圧倒 的な スピード で 実現 できる こと だ 。 どだい||||||かいはつ||しゅうせい|こうしん||あっとう|てきな|すぴーど||じつげん||| Once the groundwork is laid, application development and modification/updating can occur at an overwhelming speed.

人工 知能 を 使った 自動 運転 技術 が 実現 した と して 、 たとえば 道路 交通 法 が 変わった と か 、 異常 気象 で 暴風 雨 に 襲わ れ 想定 外 の 大雪 が 降った と か 、 スイス の 山岳 地帯 用 に カスタマイズ しなければ いけない と いう とき に 、 個別 の 状況 を 想定 して ルール を 書き換える より も 、 すでに 学習 さ れた 特徴 表現 を 使って 学習 した ほう が 圧倒 的に 早い 。 じんこう|ちのう||つかった|じどう|うんてん|ぎじゅつ||じつげん|||||どうろ|こうつう|ほう||かわった|||いじょう|きしょう||ぼうふう|あめ||おそわ||そうてい|がい||おおゆき||ふった|||すいす||さんがく|ちたい|よう|||し なければ||||||こべつ||じょうきょう||そうてい||るーる||かきかえる||||がくしゅう|||とくちょう|ひょうげん||つかって|がくしゅう||||あっとう|てきに|はやい |||||||||||||road||||||||abnormal weather||storm|rain||attacked|||||heavy snow|||||Switzerland||mountainous|region||||||||||individual||||||||rewrite||||||||||||||||| If self-driving technology based on artificial intelligence becomes a reality, for example, when road traffic laws are changed, or when extreme weather conditions cause an unexpectedly heavy snowfall due to a rain storm, or when the technology must be customized for a mountainous region in Switzerland, it is much faster to learn using already learned feature representations than to rewrite rules based on specific situations. すでに 基本 的な 運転 技術 が 身 に ついて いれば 、 特殊な 状況 に ついて 学習 する だけ で すむ ので 、 手早く 修正 する こと が できる はずだ 。 |きほん|てきな|うんてん|ぎじゅつ||み||||とくしゅな|じょうきょう|||がくしゅう||||||てばやく|しゅうせい||||| ||||||||||||||||||||quickly|||||| If you already have basic driving skills, you should be able to make quick corrections because you will only have to learn about special situations.

データ を たくさん 持って いる 企業 が 、 高い レベル の 特徴 表現 学習 の 技術 も 手 に 入れる と 、 ほか の 企業 も そこ に データ を 集め ざる を 得 なく なる 。 でーた|||もって||きぎょう||たかい|れべる||とくちょう|ひょうげん|がくしゅう||ぎじゅつ||て||いれる||||きぎょう||||でーた||あつめ|||とく|| |||||||||||||||||||||||||||||||able to|| When a company with lots of data also has access to a high level of feature learning technology, other companies will be compelled to gather data there as well.

なぜなら 、 その 企業 に 頼めば 、「 よい 特徴 表現 」 が 得られ 、 さまざまな アプリケーション を つくり やすく なる から だ 。 ||きぎょう||たのめば||とくちょう|ひょうげん||え られ|||||||| ||||you ask||||||||||||| Because if you work with them, you will get a good representation of the characteristics, and we can create a variety of applications. その 結果 、 少数 の プレイヤー が 市場 を 席巻 する こと に なる 。 |けっか|しょうすう||ぷれいやー||いちば||せっけん|||| ||minority||||||dominate|||| As a result, a small number of players dominate the market.

汎用 的な ＯＳ 部分 を 独占 すれば 、 各種 機能 を 実現 する アプリケーション の 製造 コスト は 劇的に 下がる 。 はんよう|てきな|ｏｓ|ぶぶん||どくせん||かくしゅ|きのう||じつげん||||せいぞう|こすと||げきてきに|さがる |||||||various||||||||||| Monopolizing the general-purpose OS part dramatically lowers the manufacturing cost of applications that realize various functions.

パソコン 時代 に ＯＳ を マイクロソフト に 、 ＣＰＵ を インテル に 握られて 、 日本 の メーカー が 苦しんだ ように 、 人工 知能 の 分野 でも 、 同じ こと が 起き かね ない 。 ぱそこん|じだい||ｏｓ||まいくろそふと||ｃｐｕ||||にぎら れて|にっぽん||めーかー||くるしんだ||じんこう|ちのう||ぶんや||おなじ|||おき|| |||||||||Intel||controlled|||||suffered|||||||||||| Just as Japanese manufacturers suffered when Microsoft took over the OS and Intel took over the CPU in the PC era, the same thing may happen in the field of artificial intelligence. そして 今回 の 話 は 、 ほぼ すべて の 産業 領域 に 関係 する と いう 意味 で より 深刻であり 、 いったん 差 が つく と 逆転 する の は きわめて 困難だ 。 |こんかい||はなし|||||さんぎょう|りょういき||かんけい||||いみ|||しんこくであり||さ||||ぎゃくてん|||||こんなんだ ||||||||||||||||||more serious||||||reversal|||||difficult And this time it is more serious in the sense that it concerns almost all industrial sectors, and once the gap is made, it is very difficult to reverse it.

図 31 に 短期 と 中 長期 に 分けて 、 課題 を ５ つ 挙げて いる 。 ず||たんき||なか|ちょうき||わけて|かだい|||あげて| Figure 31 lists five issues in the short- and medium- to long-term.

第 １ に 、 日本 に おいて は 、 データ の 利用 に 関して 非常に 警戒 感 が 強い 。 だい||にっぽん||||でーた||りよう||かんして|ひじょうに|けいかい|かん||つよい First, Japan is very cautious about the use of data.

個人 情報 保護 や プライバシー を 強調 する あまり 、 ビッグ データ の 利用 を 過度に 警戒 ・ 抑制 する 論調 が 日本 で は 根強い 。 こじん|じょうほう|ほご||ぷらいばしー||きょうちょう|||びっぐ|でーた||りよう||かどに|けいかい|よくせい||ろんちょう||にっぽん|||ねづよい ||||||||||||||||suppression|||||||strong In Japan, the emphasis on privacy and protection of personal information has led to an overly cautious and restrained use of Big Data.

今後 、 領域 を またがって データ を 活用 する 「 ミクロ の 知識 転移 」 が 競争 力 に なる 時代 に は 、 こうした 論調 も 少しずつ 変えて いか なければ なら ない 。 こんご|りょういき|||でーた||かつよう||みくろ||ちしき|てんい||きょうそう|ちから|||じだい||||ろんちょう||すこしずつ|かえて|||| In an era when "micro knowledge transfer," the use of data across domains, will become a competitive advantage, this tone will have to change gradually.

第 ２ に 、 データ の 利用 に 関する 法 整備 が 遅れて いる 。 だい||でーた||りよう||かんする|ほう|せいび||おくれて| ||||||||establishment||| Second, legislation on the use of data is lagging.

海外 に 目 を 向ける と 、 グーグル は 検索 履歴 を はじめ と して さまざまな 情報 を ためて いる 。 かいがい||め||むける||||けんさく|りれき||||||じょうほう||| ||||turn|||||||||||||| Looking abroad, Google stores a variety of information, including search histories.

アマゾン は 購買 データ 、 フェイスブック は 人 的 ネットワーク の 膨大な データ を 持つ 。 あまぞん||こうばい|でーた|||じん|てき|ねっとわーく||ぼうだいな|でーた||もつ Amazon has vast amounts of data on purchases and Facebook has vast amounts of data on human networks.

プライバシー 保護 の 技術 や 事例 の 構築 など 、 さまざまな 試み が 行われて いる が 、 もう 少し 根本 的に 考える 必要 が ある の かも しれ ない 。 ぷらいばしー|ほご||ぎじゅつ||じれい||こうちく|||こころみ||おこなわ れて||||すこし|こんぽん|てきに|かんがえる|ひつよう|||||| |||||example||||||||||||||||||||| Various attempts have been made to develop privacy protection technologies and cases, but perhaps we need to think a little more fundamentally. データ を １ 社 が 管理 して いる のであれば 許さ れ 、 これ を 複数 社 が 持って いれば 使い 方 は 大きく 制限 さ れる 。 でーた||しゃ||かんり||||ゆるさ||||ふくすう|しゃ||もって||つかい|かた||おおきく|せいげん|| If the data is controlled by one company, it is allowed, but if it is owned by multiple companies, its use is severely restricted.

これ は いったい 何 が 違う のだろう か 。 |||なん||ちがう|| What in the world is the difference?

利用 者 が 「 ある 会社 を 信頼 する こと 」 と 、「 その 会社 が データ を 提供 する 別の 会社 を 信頼 する こと 」 が 異なる から だろう 。 りよう|もの|||かいしゃ||しんらい|||||かいしゃ||でーた||ていきょう||べつの|かいしゃ||しんらい||||ことなる|| This may be because a user's "trust in one company" is not the same as "trust in another company whose data is provided by that company".

自分 は Ａ 社 を 信頼 して も 、 それ が Ａ 社 の 取引先 の Ｂ 社 を 信頼 した こと に は なら ない 。 じぶん||ａ|しゃ||しんらい|||||ａ|しゃ||とりひきさき||ｂ|しゃ||しんらい|||||| |||||||||||||business partner||||||||||| Even if I trust Company A, it does not mean that I trust Company B, which is Company A's business partner.

つまり 、 データ の 使い 方 （ 管理 体制 だけ で なく 企業 活動 の 目的 も 含め ） に 関する 推移 律 の 問題 な のである 。 |でーた||つかい|かた|かんり|たいせい||||きぎょう|かつどう||もくてき||ふくめ||かんする|すいい|りつ||もんだい|| In other words, it is a question of transparency regarding how the data is used (including the purpose of corporate activities as well as the management system).

そういった 制度 設計 を 世界 に 先駆けて 実行 する こと は 、 日本 の ように 「 情報 を 横 に 束ねる 」 プレイヤー が 少ない 状況 で は 不可欠で は ない か と 思う 。 |せいど|せっけい||せかい||さきがけて|じっこう||||にっぽん|||じょうほう||よこ||たばねる|ぷれいやー||すくない|じょうきょう|||ふかけつで|||||おもう |system|||||pioneering|||||||||||||||||||essential||||| I think it is essential to design such a system ahead of the rest of the world, especially in a situation like Japan, where there are few players who can "bundle information horizontally".

第 ３ に 、 日本 特有 の 問題 である が 、 モノ づくり 優先 の 思想 が 挙げられる 。 だい||にっぽん|とくゆう||もんだい|||もの||ゆうせん||しそう||あげ られる ||||||||||||||mentioned The third problem, which is peculiar to Japan, is the idea of prioritizing monozukuri (manufacturing). 鉄腕 アトム や ドラ え もん が 国民 的な 人気 であり 、 日本 で は ロボット づくり は 盛んだ が 、 人工 知能 と いう と ピンと こない と いう 人 も 少なく ない 。 てつわん|あとむ||どら||||こくみん|てきな|にんき||にっぽん|||ろぼっと|||さかんだ||じんこう|ちのう||||ぴんと||||じん||すくなく| iron arm|Astro Boy||||||||||||||||active||||||||understand|||||| Although Atom and Doraemon are popular among the Japanese people and robotics are popular in Japan, many people do not have a clear idea of what artificial intelligence is.

情報 技術 の 中 でも 、 特に ＯＳ や ウェブ 技術 など 、 見え ない もの に 対する 理解 は 得られ にくく 、 人工 知能 も 見え ない もの だ 。 じょうほう|ぎじゅつ||なか||とくに|ｏｓ|||ぎじゅつ||みえ||||たいする|りかい||え られ||じんこう|ちのう||みえ||| Among information technologies, understanding is difficult to obtain especially for invisible things such as operating systems and web technologies, and artificial intelligence is also invisible. しかし 、 人工 知能 の 研究 は 、 ロボット の 脳 の 研究 で も あり 、 人工 知能 が 今後 、 ロボット づくり でも 重要に なって くる こと は 間違い ない はずである 。 |じんこう|ちのう||けんきゅう||ろぼっと||のう||けんきゅう||||じんこう|ちのう||こんご|ろぼっと|||じゅうように|||||まちがい|| However, research on artificial intelligence is also research on the robot brain, and there is no doubt that artificial intelligence will become more important in robotics in the future.

世間 の 注目 が 高い こと で 少しずつ 変わって きた が 、 これ まで 人工 知能 研究 が 冬 の 時代 を 迎える たび に 、 研究 者 たち は 苦渋 を 舐めて きた 。 せけん||ちゅうもく||たかい|||すこしずつ|かわって|||||じんこう|ちのう|けんきゅう||ふゆ||じだい||むかえる|||けんきゅう|もの|||くじゅう||なめて| |||||||||||||||||||||entered|||||||bitterness||tasted| This has changed little by little as public attention has increased, but every time artificial intelligence research has entered a winter period, researchers have suffered.

当時 を 知る 人 たち から する と 、 人工 知能 の 未来 に ついて 、 悲観 的に なら ざる を 得 ない の も 理解 できる 。 とうじ||しる|じん|||||じんこう|ちのう||みらい|||ひかん|てきに||||とく||||りかい| For those of us who knew them back then, it is understandable that we would be pessimistic about the future of artificial intelligence.

一方 で 、 世間 の 期待 感 が 高 すぎる の も 問題 である 。 いっぽう||せけん||きたい|かん||たか||||もんだい| On the other hand, the problem is that public expectations are too high.

学会 全体 と して 社会 に 対する 適切な 「 期待 値 コントロール 」 が 必要だろう 。 がっかい|ぜんたい|||しゃかい||たいする|てきせつな|きたい|あたい|こんとろーる||ひつようだろう The society as a whole will need to have appropriate "expectation control" over society.

第 ５ に 、 国 内 で 人工 知能 技術 に 投資 できる 企業 の 少な さ が 挙げられる 。 だい||くに|うち||じんこう|ちのう|ぎじゅつ||とうし||きぎょう||すくな|||あげ られる Fifth, there are few domestic companies that can invest in artificial intelligence technology. グーグル や フェイスブック など の 海外 の プラットフォーマー が 人工 知能 に 積極 的に 投資 できる の は 、 その 投資 が 短期 的に も 正当 化 できる から で も ある 。 |||||かいがい||||じんこう|ちのう||せっきょく|てきに|とうし|||||とうし||たんき|てきに||せいとう|か||||| |||||||platformer|||||actively||||||||||||justifiable|||||| Foreign platforms such as Google and Facebook are able to invest aggressively in artificial intelligence because they can justify their investments in the short term. Los juegos de plataformas extranjeros como Google y Facebook pueden invertir activamente en inteligencia artificial porque su inversión puede justificarse a corto plazo.

ところが 残念な こと に 、 日本 に は 「 機械 学習 の 精度 が 上がる と 売上 が 莫大に 伸びる 」 と いう ビジネスモデル を 築き上げて いる 企業 が ほとんど ない 。 |ざんねんな|||にっぽん|||きかい|がくしゅう||せいど||あがる||うりあげ||ばくだいに|のびる|||||きずきあげて||きぎょう||| ||||||||||||||||tremendously||||business model||built||||| Unfortunately, however, there are few companies in Japan that have built a business model in which sales grow tremendously as the accuracy of machine learning improves.

その こと が 、 日本 企業 が 人工 知能 研究 に 本腰 を 入れる ハードル に も なって いる 。 |||にっぽん|きぎょう||じんこう|ちのう|けんきゅう||ほんごし||いれる|はーどる|||| ||||||||||serious effort||||||| This has become a hurdle for Japanese firms to get serious about artificial intelligence research.

日本 は 、 古くから 人工 知能 の 研究 に 取り組んで きて おり 、 人工 知能 分野 に は 、 人材 が たくさん いる 。 にっぽん||ふるくから|じんこう|ちのう||けんきゅう||とりくんで|||じんこう|ちのう|ぶんや|||じんざい||| Japan has long been involved in artificial intelligence research and has many talented people in the field of artificial intelligence.

たとえば 、 情報 系 の 研究 分野 全体 で は 、 日本 の 代表 的な 学会 である 情報 処理 学会 の 会員 数 は おおむね ２万 人 、 電子 情報 通信 学会 の 会員 数 は ３万５０００ 人 に 対して 、 海外 の 学会 である ＡＣＭ （ コンピュータ サイエンス ） は 10万 人 超 、 ＩＥＥＥ （ コンピュータサイエンス ＋ 電気 系 も 含ま れる ） が 40万 人 超 である 。 |じょうほう|けい||けんきゅう|ぶんや|ぜんたい|||にっぽん||だいひょう|てきな|がっかい||じょうほう|しょり|がっかい||かいいん|すう|||よろず|じん|でんし|じょうほう|つうしん|がっかい||かいいん|すう||よろず|じん||たいして|かいがい||がっかい||ａｃｍ|こんぴゅーた|さいえんす||よろず|じん|ちょう|ｉｅｅｅ||でんき|けい||ふくま|||よろず|じん|ちょう| ||||||||||||||||||||||generally|||||||||||||||||||ACM||computer science|||||Institute of Electrical and Electronics|computer science|||||||||| For example, in the information-related research field as a whole, the Information Processing Society of Japan (IPSJ) has approximately 20,000 members, and the IEICE has 35,000 members, whereas the ACM (Computer Science) has over 100,000 members and the IEEE (Computer Science and Electrical Sciences included) has over 400,000 members.

海外 に は およそ 日本 の 10 倍 以上 の 研究 者 が いる と 思って よい （ なお 、 情報 系 の 卒業 生 の 割合 も 、 米国 など に 比べて １ 桁 少ない 。 かいがい||||にっぽん||ばい|いじょう||けんきゅう|もの||||おもって|||じょうほう|けい||そつぎょう|せい||わりあい||べいこく|||くらべて|けた|すくない |||||||||||||||||||possessive particle||||||||||| It is safe to assume that there are approximately 10 times more researchers overseas than in Japan (the percentage of information science graduates is also one order of magnitude lower than in the U.S. and other countries).

情報 分野 へ の 大学 教育 の 対応 が 遅れて いる ）。 じょうほう|ぶんや|||だいがく|きょういく||たいおう||おくれて| (University education in the information field is lagging behind.)

ところが 、 米国 を 中心 と する 国際 的な 人工 知能 学会 （ ＡＡＡＩ ） の 会員 数 が ５０００ 人 である の に 対し 、 日本 の 人工 知能 学会 （ ＪＳＡＩ ） に は ３０００ 人 も の 会員 が いる 。 |べいこく||ちゅうしん|||こくさい|てきな|じんこう|ちのう|がっかい|ａａａｉ||かいいん|すう||じん||||たいし|にっぽん||じんこう|ちのう|がっかい|ｊｓａｉ|||じん|||かいいん|| |||||||||||AAAI|||||||||||||||Japan Society for Artificial Intelligence|||||||| However, while the Association for Artificial Intelligence (AAAI) has 5,000 members, the Japanese Society for Artificial Intelligence (JSAI) has 3,000 members.

毎年 １ 回 開か れる 学会 の 参加 者 も 、 ＡＡＡＩ は ５００ 人 程度 な のに 対して 、 ＪＳＡＩ は １０００ 人 を 超える 人間 が 集まる 。 まいとし|かい|あか||がっかい||さんか|もの||ａａａｉ||じん|ていど|||たいして|ｊｓａｉ||じん||こえる|にんげん||あつまる ||||||||||||about||||||||||| While the AAAI has about 500 participants at its annual conference, the JSAI has more than 1,000.

人工 知能 の 研究 者 の 人数 、 コミュニティ の 大き さ で は 、 まったく ひけ を とって いない 。 じんこう|ちのう||けんきゅう|もの||にんずう|こみゅにてぃ||おおき|||||||| ||||||||||||||fall behind||| The number of researchers in artificial intelligence and the size of the community are not inferior at all. 母 集団 で 10 倍 違う 情報 系 の 中 で 、 人工 知能 に は ほぼ 変わら ない 数 の 研究 者 が いて 、 活発に 研究 して いる のである 。 はは|しゅうだん||ばい|ちがう|じょうほう|けい||なか||じんこう|ちのう||||かわら||すう||けんきゅう|もの|||かっぱつに|けんきゅう||| |||||||||||||||||||||||actively|||| The number of researchers in artificial intelligence is almost the same as that in information systems, where the population is 10 times different, and they are actively working on it.

そこ に 横 串 を 通して 、 人材 を 集結 し 、 人工 知能 研究 に 弾み を つける こと で 大きく 技術 が 進展 する 可能 性 も ある 。 ||よこ|くし||とおして|じんざい||しゅうけつ||じんこう|ちのう|けんきゅう||はずみ|||||おおきく|ぎじゅつ||しんてん||かのう|せい|| ||||||||gathering together||||||momentum||||||||||||| By connecting to the artificial intelligence research community, we can gather human resources and give impetus to artificial intelligence research, which may lead to significant technological progress.

イメージ は 、１９８０ 年 代 に 当時 の 通商 産業 省 が ５７０億 円 を 投じた 「 第 五 世代 コンピュータ 」 プロジェクト である 。 いめーじ||とし|だい||とうじ||つうしょう|さんぎょう|しょう||おく|えん||とうじた|だい|いつ|せだい|こんぴゅーた|ぷろじぇくと| The image is the "Fifth Generation Computer" project, a 57 billion yen investment by the then Ministry of International Trade and Industry in the 1980s.

前述 した ように 、 目論見 通り の 成果 を あげた と は 言え なかった かも しれ ない が 、 そこ で 語ら れた 初期 の 理想 は 、 すばらしかった 。 ぜんじゅつ|||もくろみ|とおり||せいか|||||いえ||||||||かたら||しょき||りそう|| |||||||||||||||||||||||ideal|| As I mentioned earlier, it may not have been as successful as we had hoped, but the initial ideals expressed there were wonderful.

そして 、 そこ で 育った 学生 が いま は 人工 知能 の 重鎮 と して 学会 を 牽引 し 、 さらに そこ から 優秀な 人材 が 輩出 して いる 。 |||そだった|がくせい||||じんこう|ちのう||じゅうちん|||がっかい||けんいん|||||ゆうしゅうな|じんざい||はいしゅつ|| |||||||||||leading figure|||||leading||||||||produced|| The students who grew up there are now leading the academy as major figures in artificial intelligence, and are producing outstanding human resources.

その ため 、 日本 は 人工 知能 に 関する 人材 の 厚み の 面 で 、 諸 外国 に 比べて 恵まれて いる 。 ||にっぽん||じんこう|ちのう||かんする|じんざい||あつみ||おもて||しょ|がいこく||くらべて|めぐまれて| ||||||||||depth||||various||||blessed with| Therefore, Japan is better off than other countries in terms of the depth of its artificial intelligence talent pool.

あるいは 、 国 で は なく と も 、 企業 の 連 合体 で 研究 する こと も あり える だろう 。 |くに||||||きぎょう||れん|がったい||けんきゅう|||||| |||||||||association|corporate group|||||||| Alternatively, a consortium of companies, if not a country, could conduct the research.