講演資料


講義資料スライドの表紙

講義資料スライドの表紙です。スライド画像、または下の要約文中の青いページ番号リンクをクリックすると、別のタブで無駄なノイズのない、純粋なPDFビューア画面が起動し、指定されたページへ直接ジャンプして快適に閲覧できます。

全体概要

本セミナーは、2016年という時点において、モバイルとクラウドという現代IT技術の二大インフラが到達した地点を精密に描写しつつ、その延長線上で人工知能技術がどこへ向かうのかを問う講義です [p.1], [p.3]。

2016年は、スマートフォンの世界普及率が契約者ベースで99.7%に達し [p.23]、インターネットへのアクセスが世界の家庭の52.3%に広がったという、人類史的な転換点でした [p.25]。通信インフラは5Gの仕様策定へと向かい [p.7]、Googleが中心となった60Tbpsの日米間海底ケーブルFASTER [p.15]、120TbpsのPNLC [p.16]、FacebookとMicrosoftによる160TbpsのMAREA [p.17] といった巨大IT企業による通信回線の直接占有という「驚異的な変化」が進行中でした [p.18]。クラウド側ではGoogleがデータセンター内ネットワークをわずか10年で5回改造し、1.3PbpsのJupiter [p.51] というClos Topology型の分散・集中管理アーキテクチャを実現しています。

同時に2016年は「3D VR元年」であり、Oculus Rift、HTC Vive、Microsoft HoloLens、PlayStation VR、Google DayDreamが相次いで発売され [p.81]、モバイルと身体的知覚を結びつける新次元のインターフェースが産声を上げました。

第二部では、こうしたインフラの上に展開されるGAAF（Google・Apple・Amazon・Facebook）の人工知能戦略を俯瞰し、ボイス・アシスタント・システムの実装構造を具体的なコードレベルで解説します [p.142], [p.200]。そして最終的に、セミナーが到達する問いは「究極の人工知能とは何か」です。Larry PageはそれをGoogleの究極の検索エンジン、すなわちネットそのものが知性を持つことと同一視しますが [p.158], [p.163]、講師はこれに対して「世界の全情報を一つのマシンが知る必要はない」「謎のない世界に認識の進歩はない」という批判的・哲学的視座を提示します [p.241], [p.243]。そして結論として、AIの成果を「外的なもの」に留めず人間自身に還元し、すべての人がロボットやAIを自らの手で作り出す基本スキルを持つことが最善であるという、深く人間的な人工知能観が示されます [p.247]。

講義のロードマップ

■ Part 1: モバイルとクラウドの現在

  • この部の核心:

5G・海底光ケーブル・データセンター内アーキテクチャという三層のインフラ革新が、いかに同時並行で進行しているかを定量的・構造的に明らかにします。さらに、ニューラルネットワークの「訓練」と「推論」の非対称性がクラウドとモバイルの双方に与えるインパクト、VR/AR元年の製品群の比較、そしてパーソナル・アシスタント・システムという人工知能普及の最初の形態が提示されます [p.3], [p.45], [p.67], [p.80], [p.117]。

  • 論理展開:
  • 通信インフラ: 5Gは10Gbps超・遅延1ms・信頼性99.999%を目標とし、モバイルエッジコンピューティングを導入する [p.7]。通信トラフィックは2020年に現在の1,000倍が予想され [p.8]、その対応としてGoogleらが海底ケーブルを直接所有し始め、大西洋横断トラフィックの3分の2がIT企業のプライベートネットワークを経由するに至った [p.18]。
  • クラウド内アーキテクチャ: GoogleのDCバックボーンは2008年のWatchtower（82Tbps）から2012年のJupiter（1.3Pbps）まで急速進化し [p.49], [p.51]、Clos Topologyにより全レベルで安価な商用スイッチを用いたフルメッシュ構成を実現した [p.53], [p.57]。
  • AIとクラウドの接合: ニューラルネットワークの「訓練」は大規模バッチ処理だが「推論」はスマホ上でリアルタイム実行可能という非対称性が、クラウドに新市場をもたらす [p.67]。Amazon EC2 P2・さくら高火力・Azure NシリーズというGPUクラウドが2016年秋に相次ぎリリース [p.69]。GoogleはTPUを自社DC内で1年以上稼働させ、ワット当たり性能でGPUの約7世代分相当を実現したと主張する [p.74]。
  • VR/AR: 2016年はSamsung Gear VR〜Google DayDreamまで6製品が揃い「VR元年」となった [p.81], [p.109]。HTC Viveは70以上のセンサーとLighthouseにより4.6m×4.6m空間をサブミリ精度で捕捉 [p.87]。Microsoft HoloLensはホログラムを現実空間に投影するMR領域を開拓 [p.97]。

■ Part 2: 人工知能技術の向かう未来

  • この部の核心:

GAAFそれぞれのAI戦略の哲学的差異を対比しつつ、音声・画像認識APIの具体的な実装と、Cortana・Alexaのボイス・アシスタントのプログラミングモデルを解剖します。そして最終的に「パーソナル・アシスタント・システム」という人工知能観を軸に、Deep Learningと知識グラフ検索技術の協働という未来像と、集中型AIへの批判的視座が提示されます [p.141], [p.226], [p.238]。

  • 論理展開:
  • GAAFのAI戦略比較: AmazonのBezosは「AIは数十年続くトレンドの初期段階」としEchoに1,000人超を投入 [p.148]。AppleはAI処理をデバイス上で実行しdifferential privacyでプライバシーを守ることを差別化とする [p.155]。GoogleのLarry Pageは「究極の検索エンジン＝究極のAI」と定義し、ネット全体が知性を持つことをビジョンとする [p.158], [p.163]。
  • 新APIの実装: Google Cloud Speech APIは80以上の言語に対応し、音声データをテキストに変換する [p.167], [p.168]。Google Cloud Vision APIはLABEL_DETECTION・FACE_DETECTION・TEXT_DETECTIONなど複数の機能を持ち [p.175]、犬・猫・飲み物などを高精度でスコア付きで分類する [p.177], [p.181], [p.183]。Microsoft Cognitive ServicesはVision / Speech / Language / Knowledge / Searchという五軸の体系的ラインナップを持ち、感情判定・キャプション生成にまで及ぶ [p.190], [p.191], [p.196], [p.199]。
  • ボイス・アシスタント実装構造: MS CortanaはVCD（Voice Command Definition）XMLで聞き取りフレーズとフィードバックを事前定義する音声コマンド型 [p.202], [p.203]。Amazon AlexaはSampleUtterancesで発話をIntent Nameにマッピングし、Java製SpeechletをAWS Lambda上でイベントドリブンに実行する構造で、Androidのプログラミングスタイルと本質的に同一 [p.213], [p.219]。
  • 新しい人工知能観: 「世界の全情報を一つのマシンが知る」集中型アーキテクチャは、頑健性・拡張性・柔軟性で分散型に劣る [p.242]。自然科学や数学の「謎」はネット情報の中には存在せず、謎のない世界は認識の停止を意味する [p.243]。次の飛躍は自然言語処理とリアルタイム多言語翻訳にあり [p.247]、すべての人がAIを自らの手で作るスキルを持つことこそが人間とAIの共存の最善策である [p.247]。