阪大工学部の散歩道へようこそ!

このブログは、正真正銘の阪大工学部の教職員・学生が記事を投稿しているページです。
このブログを通じて、阪大工学部では毎日どんな事が起こっているのか、阪大工学部の人たちはどんな事を考えているのか、など「生の阪大工学部」を知って頂きたいと思っています。
ご投稿、コメントをお考えの方はお手数ですが、下記のアドレスまで投稿内容を送信してください。
まだまだ成長途中のブログですので、みなさまの暖かいご声援をお待ちしております。
記事・コメント投稿、要望などはこちらのアドレスまで
→ sanpo@eng.osaka-u(最後に.ac.jpをつける)

大阪大学 工学部/大学院工学研究科についてより詳しい情報を
お求めの方は、公式サイトや facebook、Instagram、Twitterを
ご参照下さい。

講演会『AIと人が作る未来社会』(中編)

author : A.Mizunoawa   [ 一般 ]
2019.09.02 Monday 00:00 | - | trackbacks(0) | 

みなさん、ご機嫌いかがお過ごしですか。工学研究科生命先端工学専攻M1のA.Mizunoawaです。

前回の記事の続きになりますので、未読の場合は前編から読んでください。

[4] 江間有沙『AI社会の歩き方』

〇 科学技術社会論(STS, Science and Technology Studies またはScience, Technology and Society)をしている。FAT研究(Fairness  = 公平性, Accountability = 説明責任, Transparency = 透明性)など。

〇 Google Photo がアフリカ系人種をゴリラとタグ付けしてしまった問題は記憶に新しい。AmazonはAIを就活採用に利用しようとしたが、女性を採用しなくなってしまったためAIを使うことを断念した(理工系はほぼ男性である、などの事実から。色々な要因が絡まって判断しているので単純に「女性も採用するようにしよう」とAIに指定するのは難しい)。

〇 説明可能AIと信頼性について。写真判別AIがシベリアンハスキーを狼と判断する例があった。その理由は「背景が白(雪)だから」であった。つまり、シベリアンハスキーは家の中、狼は外にいるというパターンを学習していた。

〇 AntiではなくAlternativeな視点が必要。盲点、前提、当たり前に気付くこと。Amazonの例からわかるように、AIは人間社会の鑑である。AIは人間社会の不平等性を素直に学習してしまっただけで、問題は社会の側にある。

〇 Q. 技術のスピードに倫理観は付いていけるか。 A. 付いていきたいし、いかねばならない。人工知能学会の倫理指針には「人工知能もこれを守らねばならない」とある。「先に先に」の精神で、技術より早く倫理を考えていかねばならない。

[5] 荒瀬由紀『人とAIを言葉でつなぐ〜自然言語処理による言語理解〜』

〇 AIとの高度な対話へのニーズの高まり。「選択肢を選ばせる」簡単なものから「旅行の予約」など複雑なものへ。「雑談」さえも需要がある(「りんな」など)。

〇 「刺さる」応答の生成が難しい。ありがちな言葉(「こんにちは」など)の繰り返しを回避しなければならない。

〇 言語理解のサブ問題は 意味関係の特定。同じニュアンスの二文を同じと見なせるか。 ポジ・ネガ文の判定。「犬はこのドッグフードを食べない」という文をネガと判断できるか。 質問応答。Qに対して正しいAが与えられるか。

〇 言語理解の肝は文のスペクトル化。入力x(ジョージは犬が嫌い) → ニューラルネットワーク → 高次元ベクトル → 言語理解 の構図。ニューラルネットワークの実態は巨大な数式。F(x) = W1X1 + W2X2 + …… + WnXn であり、Wはパラメータ。パラメータを入力Xを元に推定することが「モデルの学習」。

〇 BERTモデルの学習が有効。ニューラルネットワークに「ジョン」「は」「?」「犬」「に」「噛まれた」を入力し、「?」を順に学習させていく。他のベクトルに対しても同様にする。BERTの性能により既存研究を大幅に上回る結果を得ることができた。「穴埋め問題の学習」により文法も理解していると言われている。

〇 モデルの巨大化について。Baseモデルのパラメータ数は約1億14万でLargeモデルは約3億44万。学習にはWikipediaの600万の記事と1万冊の本を用いる。

〇 BERTの結果を調査すると特定のテスト問題に特化(= 過学習)していることが判明した。たとえば問題文を8割隠しても解けてしまったため、意味を理解していないと言える。そこで意味の違いも学習させることにした。

〇 今は頑健性の向上が求められている段階。入力が少し変わるだけで変な出力をしてしまうことがある。

〇 Q. 苦手と嫌いを同じにしたら文脈によっては問題があると思います。対象物がピーマンなら同じだが、女性となると意味は変わってきます。 A. ドメインの違いにより「同じ意味になる時」「ならない時」で区別をしています。

次回はいよいよ完結編になります。お楽しみに。

それでは、今回はこの辺で。See you again!

<< 工場見学 | main | プレゼンから学ぶ「伝えること」の難しさ >>