第94回GISフォーラム東京/Open Technical Forum 2015-4

1. 概要
2. 挨拶
3. プログラム
4. 会費
5. お申し込み

ご挨拶

　メンバーの皆様、ビジターの皆様、94回目を迎える本年最後のGISフォーラムは、『M2Mによる認知科学への挑戦-人工知能との差は？』というテーマで開催いたします。
　経営者、CIO, CTO, アーキテクト、経営企画、営業企画、製品企画、マーケティングの皆様のご参加をお待ちしております。
　オープニングには、総務省 情報通信国際戦略局の山田 真貴子 局長(安倍首相の最初の元女性首相補佐官)をお招きします。
　Cognitive Science・Deep Learning・M2Mでは、日本アイ・ビー・エム(株) 東京基礎研究所 技術理事 武田 浩一 博士と(株)富士通研究所 取締役 原 裕貴 博士に続いて、最近M2Mでコンピュータのプロセス管理にM2Mの特許で"SIOS IQ"を製品化された、米国SIOS Technology社のCEOで社長のJerry Melnick 氏等この分野の論客を招いてご講演いただきます。
　パネルディスカッションでは、サイオステクノロジー(株) 代表取締役社長 喜多 伸夫氏に 加わっていただきます。
　さて、私は84年にIBMよりCSKに移ってすぐ、CSK総研所長矢田 光司 氏(元通産)と一緒に、米国AIの権威ファイゲンバーグ博士から、AI4AIではなくエキスパートの経験値を構築することが重要だとし、米国AIでは(1)言語の自動翻訳(専門別辞書データ)(2)医学ではゲノム(DNA解読)データ分析(3)脳(右脳と左脳のプロセスデータ)のニューロンを研究・モデル化する米国のAIの方向について議論しました。つまり、コンテクストデータの自動認識が、成功の秘訣です。
　日本政府は、米国が目標としたエキスパート　データ実証科学ではなく、AIの論理数学の推論エンジンの並列化を第5世代高速並列推論エンジン(PIE)として80年初から90年前半までに国が600億円弱、民間も自動翻訳などに数百億、合わせて1,000億円近くAI投資を続けたものの成果は灰色でした。
　使うべきアプリケーションデータの定義や構造が標準化されないままでは、高速プロセッサーが出来ても、データや論理言語シソーラス、業種別ナレッジの辞書や論文DBがそろわなければ、入力も知的な検索もできません。一方、現在では、上記の(1)－(3)をSIRIやDNA解読、臨床DBなどで固め、2005年までに基礎科学を完成したのち、IBM Watsonは、全米でチェスの名人を破り、有名なジャンルごとの100万ドル賞金テレビ番組"ジェパディ！に登場し、連捷の名人を破り、WatsonのDBと並列スーパーコンピュータ検索の成功が、世界を大衆にアピールしたのが、CognitiveやDeep Learningが生まれてきた背景です。

　米国DARPA資金でIBMグループ(数大学研究所含む)に8年で大学研究所が5,000億円、HP中心(数大学研究所含む)にほぼ同額5,000億円を研究投資し、その結果の一つが米国国家プロジェクトとしてニューロンコンピュータ"TrueNorth"の誕生となりました。
　"TrueNorth"は、2006年からWatsonのハードウェア設計研究版として8年近くワトソン研究所で作られ、54 億個のトランジスタ、100万個のプログラマブル神経単位細胞、2億5,600万個のプログラマブルSynapsis(神経管伝達系網と突起状神経茎)を70ミリワットの省電力で動かしたのです。
　まさに、Watsonは"TrueNorth"の機能を、現在のハードでエミュレーションして、実証科学としてテストしてきたのです。ただ、過去の人工知能とどこが違うかですが、人間の過去の英知をある確率の下で正しいと組み込んで、状態遷移の爆発を大きな過去の知恵で大枠を決め、その仮説の中で、力づくでモデルチェックをして細部を固めます。次の大または中のブロックの選択は、人が歴史上に残した公理や実績のブロックで固めて、そのブロック内はあらゆる論理パスを全部計算し尽くすというプロセスを持って完璧性を保証します。しかも個々の結末が成功したかどうかで、また、データの確立テーブルをアップデートするというやり方が、Deep Learning のやり方だと私は考えます。人間のチップは1,000億の neuron と 100兆-150兆の Synapsisを持っているため、人間の機能にはまだまだ及ばないことは、当然ですが、囲碁の例のように、過去のエキスパート人間が同じ場面に近い条件の時、どう切り抜けたのかというデータが残っていれば、上記のモデルは  成り立つと考えます。
　"TrueNorth"は科学的なBreak Throughでも大きな意義を残しましたが、考えることではなく、決断をするときのコンテクストを、どうモデルで創れるのか？それが、失敗と成功にどうつながるのか? まだまだ見えない空間が広がります。やはり、人間が残した知恵のデータをインプットし、人間の判断を得て大きな確率のブロックを選び、ブロック確率のスコープの中での最適実行は、モデルチェックで確実に行い、このゲームの一区切りまで行き、その結果が、予想確率を超えたか超えなかったかと原因追及するとともに、    その結果データを受け入れて、新しい確率に生かしていきます。
　現状では、"TrueNorth"は、ラットの頭脳をシミュレートできたとか、猫の一枚の画像と場所を特定できたとか、小学校5年生の一部の能力以上にはできなかったなどといわれていますが、アーキテクチャは見えてきたと言うことでしょうか。M2Mからデータのコンテクスト情報を自動的に分析してアノテーションし、正解率と制限時間内決定チャンスをトレードオフすることが、最高のエキスパートの人間が確認した確率付きのナレッジデータの併用で得られるDeep Learningの本質だと、今、私は考えています。講師の皆様のご意見を伺いましょう。

　GISフォーラムメンバー、オープン・グループメンバー、一般社団法人ＣＲＭ協議会メンバー、TOGAF認証者の皆様には是非ご参加いただき、2015年のフォーラムを締め括りたいと思います。
　第2部 Christmas & Farewell Party2015は、恒例の「お楽しみ抽選会」をご用意しております。メンバーの方は、アシスタント・秘書の方を一名ご招待いたしますので、一足早いクリスマスパーティーをアメリカンクラブでお楽しみください。
　皆様のご参加をお待ちしております。