00:00
理科っぽい視点で身の回りのことを見てみませんか? そんない理科の時間B、第445回。
そんない理科の時間B、お送りいたしますのは、よしやすと、かおりです。よろしくお願いします。 よろしくお願いします。
ということで、2022年、番組的には最初の配信になります。今年もよろしくお願いします。 よろしくお願いします。
タイトルを見てわかる通り、お正月っぽい話や、絵とに関する話はしません。 なんですが、
これ撮ってるのは12月の下旬で、ポッドキャストとか聞いててもね、サンタクロースを信じますか?みたいなのが流れてたりするわけですよ。
で、ここでかおりさんとサンタクロースを信じる信じない話をするのもなんなので、 世界のすべての
サンタクロースを信じる子供たちにプレゼントを配るというのが、毎年サンタクロースに課せられた使命なわけじゃないですか。
はい、そうですね。別に子供に限らず配っていただいて、全然よろしゅうございますが。
で、動画とかでね、とか、あとはブログとかでもそうなんですけど、
サンタクロースが世界中の子供たち、もう少し少なくすると、サンタクロースを信じている子供たち全員に
プレゼントを配るには、もう光の速度に近いスピードで回らないと間に合わないと。
いうような話がよく書かれているわけですよ。で、この理系の人の楽しくね、オチがついてればいいんだけど、
不可能だって書いて終わってしまうようなのはつまらないんで。で、それを見てですね、
巡回サラリーマン問題というのがありまして、違う、巡回セールスマン問題というのがありまして、
いくつかの場所をセールスマンが順番に回るんですけど、どの経路を通ったら一番早く回れるかっていうのを計算するのがなかなか大変っていう話を思い出したんですよ。
そんな計算があるんですか?計算というか問題ね。で、コンピューターが不得意としてるんですけど。
思考問題ってことね、要は。いや、だから正しい答えを見つけるには総当たりにするしかないくて、
そうすると3箇所ぐらいだったらね、そんなに経路ないけど、10箇所20箇所になると、
総当たりする回数がとてもたくさんになってしまうので、計算量が多いというので有名なんですね。
で、まあサンタクロースの話をすると、じゃあどうしてるかっていう話をここで言ってしまうと皆さんの夢を壊すかもしれませんが、
サンタクロースは一人じゃないんだぞっていうところですね。一人のサンタクロースが回ると思うと大変だけど。
03:06
あれ、でもそこいろいろなんかあるみたいですよ。だからサンタクロースは一人でも、その個々の家にそっと全員がサンタクロースが、一人のサンタクロースが配ってるわけではなくて、
そこから、なんていうの、妖精? サンタクロースを手伝う妖精がいて、その実際に配ってるのは彼らだな。
森の妖精の妖精ですか?それともサンタクロースから委託されてるっていう妖精ですか?
両方あるんじゃない? でもね、絵本にもまずそれ載ってるんですよ。
それを初めて見た時には、単にこの絵本の設定かなと思ったら、この間子供たちからのサンタクロースへの質問っていうのでやってるっていうのをニュースでチラッと見たんですけど、
そこで、一人で大変じゃないんですか?っていうような質問に対して、サンタクロースにはサンタクロースの仕事を手伝ってくれる妖精がいると。
トント、トント、トント、トント、なんかそういうT系の名前がついていて。 トンキチチンペイカンタとかみたいなんですか?
何それ? 3兄弟の名前ですけどね。 知りません? じゃあいいです。
ここの家に届けてるのは彼らだという話もあり、他にもサンタクロースから親が委託されてるところがあるんですよ。
妖精ではなくて、両親に頼まれる。 だから暖炉がない家が増えてるじゃないですか。
暖炉や煙突がね。 実際には煙突か。煙突がない家が増えているので、そういう彼らが中に入れなくなってしまう。
なのでそこらへんは両親が委託を受けていて、妖精されて、最終的に渡す一番最後のところは親。
そこの親に行くまではサンタクロース、もしくはサンタクロースから委託をされている妖精と聞いて、ほう、なるほどなと。
ということで、巡回整列は問題は面倒臭いっていう話なんですけど。 面倒臭いよね。
そうそう。でね、今日話すのは今までのコンピューター、古典的コンピューターと言いましょうと、AIの話と
両親コンピューターの話をちょっとしようと思ってます。 まずオープニングでは今までのコンピューターの話をするんだけど
06:01
今までのコンピューター、皆さんが使っているコンピューターの普通の使い方は問題を解くためにプログラマーさんが問題の解き方をプログラムするんだよね。
で、それに合わせた課題がやってくると順番に計算をして答えを出すっていうタイプ。 さっきの巡回整列は問題だと
10箇所の場所があって、A地点からA、B、C、D、E、F、G、H、I、Jまであって、
AとB、AとC、AとDの距離がどれくらいみたいなのを全部突っ込むと、どの順番で回ると一番早いかっていうのを計算して出してくれるっていうのが問題になるわけね。
そのためにプログラマーさんたちが早い解決方法を考えるんだけど、結局そうあたりで試さないと一番短いの見つからないとかっていう結論が出てしまって、
寄り道するところが増えれば増えるほど大変になると。 川並みとかでもね、
真面目にやるというか、すべての道を網羅して計算をするとキリがないんで。 そんなへんは。
細い道もたくさんあるからね。 そうそうそう。工夫があって事前に切り捨てるっていうのがあって、本当に最短ではないかもしれないけどっていうのと、
あとは複数の点ではないくて、だいたい地点Aから地点Bまでっていうところで、最短とか時間が短いとか、幹線道路が多いとかっていう条件で切ってというか条件を入れていって計算量を減らすっていうのをやってたりするよね。
で、これまでのコンピューターは古典的計算方法、つまり計算方法をプログラミングして、片付けるというか問題を解決するという方法です。
で、問題をどう解くかはプログラマーというか、プログラム設計者が決めるわけだね。
どう解くかは。
で、計算するのはだいたいデジタルで、
1と0、つまり、ソロ版の計算をどういう順番でやるかをプログラムで書いてあるようなもんだから、基本的には足し算や引き算をしてっていうのをすごく速いスピードでやって解決するっていうタイプになってます。
で、解く方法がわからないものがプログラミングしにくいわけですよね。
職人の技的なものとか、あとはセンスがいいとかあるじゃないですか。
数値化しづらいものってことね。
そう、一般的には数字で計算するのが難しいと言われているものがコンピューターは不得意だと言われていて、これまではやっぱりこれは人間じゃなきゃダメだよねみたいなところがよくありました。
なんですが最近、AIが、量子コンピューターがっていうので、コンピューターでできることが広がったっていうふうに言われているので、じゃあAIって結局何なの?みたいな話と、量子コンピューターって何ができるの?みたいなことを本編でお話していきたいと思います。
09:15
はーい、よろしくお願いします。
ではまず、AIの話をしてみようと思います。
はい。
AIって言うと何を思い浮かべますか?
映画。
映画。
なんかなかったっけ、AI。
なんかいくつかありますよね、AI扱ってるやつ。
あとは、アンドロイド的なものとかね。
人間と見分けがつかないんじゃないかみたいな。
で、そもそも何?何か思い出すやつある?
そうか、AI。
AIって言って、何だろう、思い出すって言い方は変だけど、AIってどんなもの?って聞いたときに、ビジュアル的に思いつくと結局ロボット的な話になるよね。
実際にはそのAIっていうのは、いわゆるパソコンって言い方は変だけど、プログラミング?
うん、今はね。
何だろうけど。
一番アンドロイドからは遠いのは、実用化されてるやつで役に立ってるのは画像診断とかですよね。
最近だと、ほら、CT画像を見てコロナの肺になってるかどうかみたいな。
あー、なんか今日もニュースでやってましたね。
あとは、ちっちゃい悪性腫瘍を見つけるとかね。
そういうのとかがAIになっているっていう、まさにこれまでだとセンスがある人、見る目がある人が見ると分かるけど、そうじゃない人には分からないっていうものを、コンピューターはなかなか不得意だって言われていたものを取って変わるようなことができるようになってきたというのが、AIのポイントなんじゃないかと思っています。
はい。
で、AIって結構前から、昭和の時代から話題には上がることがあるんですけど、最近何が違うかっていう話を少ししていきます。
はい。
そもそもAIの発端は、人間の脳、動物の脳の神経がどう繋がっているかっていうのを模倣したら、人間の脳と同じようなことができるんじゃないかっていうところがそもそものアプローチなのね。
で、神経細胞っていうのは、あるところから他のところに信号を伝えるっていうのができるんだけど、それだけだと一方通行って言ったらいいんだけど、何もインテリジェント、知能は生まれないわけよ。
電気が繋がってくるか。
12:01
そうそう。
行って帰って、まあ行くだけだからね。
それをどうやって信号処理してるかっていうと、1個の神経細胞の出口のところに複数の神経細胞の入り口があります。
で、その複数の神経細胞の入り口に対して、先ほどの流れてきた親神経細胞と子どもの神経細胞の繋がり方、要は重み付け、上から1信号が来たときに、
子どもの神経細胞はどのくらいまでその親の神経細胞が興奮したら、子どもの神経細胞がそれぞれが次に伝えるかっていうのが、重み付けがそれぞれにあるっていうのを組み合わせていくっていうのがお脳の中で起こっているっていうのが分かったんで、
ってことは、入力に対して数字を持ってきて、それが1個下の子どものところにどのくらいの比率で伝わって、孫のところにどのくらいの比率で伝わってっていうのを計算することができれば脳を重したようなことができるんじゃないかっていうのが考えられたんで、作りましたと。
例えばこれを何段階かに分けて、子どもに繋ぐところも5本とかにするとかっていうと、たくさんの繋がり方があって、その重み付けだけ調整すると脳みそみたいなことができるんじゃないかっていうのがそもそものアプローチ。
で、そんなやつでも、例えばね、10×10のマス目を作るじゃないですか、そこに1から1,2,3,4,5,6,7,8,9,0っていうのを手書きで書くとします。
で、1の時の、だから10×10だから100本入り口があるのね、10×10だからね、そこの濃さをインプットにして、一番最後に10本出口があって、1だったらここが興奮する、2だったらここが興奮するっていうふうに定義をすると、
いろんな人が書いた1から0までをたくさんインプットしてあげて、誰が書いた1でも出口の1が興奮するようにするっていうふうに、重み付けを変えていくっていうのを頑張るんですよ。
で、それ手でやっていくとキリがないっていうのは分かっているから、どうするかっていうと、バックプロパゲーションっていう反対に伝達させるっていうのをやるんですけど、つまり、1を入れて1が出力されるっていうのをやって、
ある数字を当てはめた時に誤差があったらそれをちょっとだけ直して、なるべくそれが当たるようにするっていうのをコンピューターにやらせるわけ。鉛筆なめなめするわけじゃなくて人間が。で、それをやらせるのを学習って言うんですけど、
15:16
そうすると10×10のマス目に手書きの文字をいろんな人が書いて、0、1、2、3、4、5、6、7、8、9っていうのを書いた時に、数字が後ろの方でこの数字は何ですよって見分けられるっていうのができるわけ。
で、それはね、昔からそこそこできてた。でも、それぐらいしかできてなくて、今みたいに発声した声を文字にするとか、CTの診断するとかっていうのはなかなかできてなかったんですけど、最近使われるようになったのは2つの技術革新があったからで、1つ目はディープラーニングと呼ばれるやつで、
真相学習ね、ディープラーニング。どうするかっていうと、
よく英語とかで聞きますけど。
そうそうそうそう。さっきこう、何段階かに分けるって話してたじゃないですか。
はい。
親の入力から子供がいて、孫がいてっていうのがあったんですけど、それを段階をあと何段も増やすっていうのをやると、もっと難しいことができるってなんとなく想像がつくじゃないですか。
はい。
複雑なことができそうなんだけど、以前のコンピューターだと計算量が爆発的に増えてしまうので、扱えなかったのが計算が早くなったことで、とても大きい神経を模した回路が使えるようになったっていうのがすごく大きいです。
それをやると、今までできなかったことができるようになったりして、あとは多層にすることで、いくつかノウハウがあって、頭の何段階かで広げた後、少し収束させて、その後もう一回、出力に合わせて広げるみたいなことを工夫すると、こんなのが識別しやすいとかっていうのがあって。
で、お勉強の仕方は同じで、例えばよく言われるのは、猫の写真と犬の写真を100枚ずつ用意しましょう。または1万枚ずつ用意してもいいんだけど、それに対して猫の写真の時には出力が2個、あ、2個かな、3個でもいいんだけど、猫のやつが興奮するというか、出力が高くなって、犬の時には犬が出力が高くなるっていう風に、
学習させるっていうのは同じように、1万枚猫の写真を見せて、猫の方が高くなるように数字を調整していくってなるんですけど、計算力膨大なので、学習には時間がかかるんだけど、それをやることで、新しい、今まで見せてなかった猫の写真を持ってくると、これは猫であるってわかるようになると。
18:00
他のことで言うと、主要があるものにマークをつけて、どこどこに主要がありますよっていうのを何万枚も見せて、主要が見つからなかったやつは主要がないっていう正答、正しい答えがあるっていうので何万枚も見せて、そのパラメータを調整すると、新しい画像が入ってきた時にも主要がありますっていうのが見つけられるようになるとかっていうのが、
最近のAIなのね。
結構不思議なのは、犬と猫の違いを認識させるじゃないですか、一番初めにね。
何が違うんだろうと思った?
例えば、人も犬と猫ってどういう風に見分けてるんだろうと思ったんですよ。
犬はいろんなサイズがあるけど、例えば猫と同じくらいのサイズの犬もいるじゃないですか。
現実にはね。
写真だったらもっと大きいのとか小さいのがいるから。
シャクシュクシャクがわからないし、四つ足だし全身ケムクジャラ。
目は二つ、耳は二つ。
なんとなく骨格的にそんなに大きな差があるわけじゃない?
ペンギンとニワトリだったら見分けつきやすそうだけど、人と猫は難しいよね。
そうっていう風に思った時に、何を持って犬と猫って違うんだろうと思ったんですよね。
そこからも勝手にコンピューターで判断させてるのかな。
例えば初めは犬と猫の写真をたくさん用意して、これ犬、これ猫、これ犬、これ猫っていう単にそれだけでやっていくと、
例えば人もだからどうやって認識してるんだろうって思ったらわからなくなっちゃったんですけど、
勝手に例えば骨格的なものを数値化するっていうのかな、
例えば背骨の形を数値化して、猫の場合は少ししなやかっぽいっていうのが多いとか、
そういうのを勝手に分析してくれてるのかしら。
分析をしてないんですよ。
数値化して。
猫背だから猫で。
やっているのは後から人間が意味付けをしただけで、たまたまそこの曲線が背中の曲線がこういうやつだと、
猫の方に得票が多いように数字の調整がされるんです。
間違いもあるんですけど、AIの特徴の一つはなぜそうなるかの説明がついてない。
21:00
データでの言い訳でしかないってことね。
だからそのAIが間違った時にどうすればいいかってのはわからないの人間には。
ただ大体当たるから使い物になるなって使ってるわけ。
ある意味人間の脳みそと大した変わらないんだけど。
っていう特徴と、
もう一つ意地悪な画像とかにもご反応してしまうことがあったりするとかっていうのもあって、
人間だとね、例えば少しゴミが乗ったような写真でもそれなりに識別はできる。
これはゴミだから覗くとかっていうのができるんだけど、
AIは犬と猫が綺麗に写ってる写真で学習させると、
例えばノイズが少し乗ってるようなやつですごく大きく間違ってしまうってことが起こりかねないの。
そのためにはね、条件の悪いやつでも識別させるっていうのを学習に使うって言ってもあるんだけど、
人間はだいたいそうなってるじゃないですか。
なんだけど、
無意識に。
そう。なんだけど、そういうところにも弱点がある。
一方で機械学習っていうマシンラーニングっていうのを聞いたことあるんじゃないかと思っていて、
これがね、また最近の話で。
将棋とかね、囲碁とか、あとはゲーム系でAIが操作をすると人間をこすような成績を上げるっていうのが出てるじゃないですか。
はいはい。
で、あれはさっき言ったパターン認識で猫か犬かって見分けるタイプとちょっと違う感じがしますよね。
この局面ではここにさせばいいっていうのをやるんですけど、
で、その時に教師、つまり先生のデータをどうするかっていうと、
最終的にこうなったらこのゲームは勝ちですっていう条件だけ与えるんですけど、
今度はそれをコンピューターのAI同士で戦わせるわけ。
ルールを決めてね。
そうすると人間ね、一局友達と刺すのに5分ってわけにいかないじゃないですか。
やっぱ何十分かかるよね。
っていうのをコンピューターは一局を相手がコンピューターだからすごい速さで解いていくわけ。
対戦して勝手に育つのね。
へー。
だからマシンラーニングっていうことで機械と機械が相手をして、
あるルールの中の最適解また最適に近い解を追っかけていくっていうのができるのが一つ特徴で。
そうすると先生データの与え方とかも、
将棋のルールはこうだからこのルールに従ってやって、
相手の王様を大手にかけたらこっちの勝ちだ。
王手っていうのはこういう条件だっていうのだけ指定してあげると、
24:02
コンピューター同士で学んだりっていうのができたり、
あとはゴールの設定をちゃんとしてあげると、
例えばゲーム機なんでもいいんですけど、
昔だったらインベーダーゲームとかそういうゲーム機の操作っていうのも、
最初は全く点数が取れないんだけど、
ここの点が高くなるようにチューニングしろっていうと、
疲れを知らずに学習をするので、
っていうので人間を凌駕するということになってきてしまいますと。
一つポイントがあって、
これまでコンピューターには任せられない、
コンピューターなんて当てにならない、
これは人間だからこそできるっていったものの、
多くがこのAIとか真相学習でコンピューターに持っていかれてしまうことがあるっていうのが一つポイントなのね。
つまり、センスがなきゃ分かんないよとか。
センスすらもそれも分析されてしまうってことね。
そう、だから専門家が見て、専門家だったら必ず分かるみたいなやつが一番得意なわけ。
なんでかっていうと答えがあるから。
クリエーションするのは不得意だけど、
判断するのはすごく得意なわけですよ。
なるほどね。
前例があればあるほど。
これまでいないものを作るのは大変だけど。
たまに作曲するAIとか詞を作るAIっていうのがあるけど、
やっぱりハズレも多いはずで、
何が面白いかは結局人間が判断することになったりして。
作ることはできるけどってことね。
音楽みたいなやつは雰囲気が似るんだけど、
やっぱり人間が最終的には手を入れるっていうのをやらないと、
使い物にならないという話もあったり。
みたいなのがAIで、最近はそんなこともあって、
使い物になるようなAIが増えてきました。
あとね、AIってさっきからちょっと言ってるように、
たくさん小っちゃい掛け算をするのばっかりして、
誤差を縮めていくっていう話をしたと思うんだけど、
そういうのってCPUと言われているものよりも、
グラフィックを使うGPUっていうのがあって、
それって1000ドット×1000ドット、
もしかしたらもっと大きい画面を計算して、
全体に掛け算をするとか、
一部に違った絵を足し算するとかってすごく得意なのね。
そういうのに特化したGPUっていう、
グラフィックプロセッシングユニットっていうのが、
性能がとても上がって、
それを使うことで、
AIを早く動かせるっていうのもあったりするとかっていうのも、
27:02
技術の進歩でAIが発展したっていうところの、
原因の一つなんじゃないかと思っています。
これで、
AIくんが人間にしかできないって思っていたことを、
だんだん肩代わりするようになってきました。
ヤバい。
ヤバいのか、
それ以上クリエイティブなことが人間ができるようになったって言えばいいのか分からないけどね。
クリエイティブ、クリエイションするような時間は確かに、
それ以外のことをAIがやってくれればできるはずなんだけど、
ただ正直、
生まれながら持っている天分の才能でもあるとは思うんですけど、
過去にいろんなものに触れているからこそ、
出てくるっていうのもあると思うんですよね。
そこを、
AIがやってくれちゃうわけじゃないですか。
今後そういう単純作業的なものを、
どんどんどんどんどんどん、
どんどんどんどんどん、
今後そういう単純作業的なものを、
量をこなさなければいけないものを、
って言うと、なかなか本当に、
新しい考え的なものも、
生まれにくくなるんじゃないかな、なんて思いますけどね。
逆に言うと、人間の方は、
クリエイションに特化した教育やらトレーニングをするっていう風になるのかもしれないよね。
それがそういう簡単なトレーニングだけで身につくものなのやら。
あとはもう一つ思うのは、
AIを敵と見るんじゃなくて、ツールとして使えるように、
例えばさっきのね、画像診断については、
AIでできることって、どんどんどんどんAIが、
賢くなれば人間がやることが減る、
ってことは効率が良くなるはずなので、
それを使って患者さんとコミュニケーションする方をスキルを上げるとか、
あとは、AIでもやっぱり判断がつかないっていうものが出てきたときに、
人間が他の可能性も考えてみるっていうようなことも含めて、
うまく協業していくっていうのが大事かなと思います。
これでさっきというか、オープニングで言った、
コンピューターが不得意だと思っていた一つの課題、
センスみたいなもの。
なかなか説明できないんだけどさ、って言ってプログラムはできなかったけど、
解というか、結果が分かっていて、
判断すればいいとかっていうやつについては、
AIがいろんなものを解決してくれそうだというのが分かりました。
なんかそのAIの働き方っていうか機能の仕方も、
なんか目から鱗的な考えだなとも思いましたね。
勝手に答えだけ出して、あとは自分たちでやらせて、
30:02
自分たちで独自に成長してねってなかなか思いつかないじゃないですか。
やっぱりプログラムするっていうところから物事がスタートしてるから、
やっぱりどうプログラムしようっていうふうにまず考えちゃって、
難しいね、難しいね、これは限界かねって言ったら、
プログラムしなくていいんじゃん。勝手にやらせればってことですよね。
実は問題も起きていて、
例えば教師データ、そこも先生になるデータがアンバランスだと認識率が悪かったりする。
例えばアメリカでAIの開発をして、
男性女性とか年代とかっていうのを識別するものを作るとするじゃないですか。
そうすると、プログラマーの近くでいるのはプログラマーの顔が多いよね。
自分たちが使わなかったら。
身近なところで。
そう、サンプル作ると。
そんなことでマイノリティの人の情報が入りにくいと、
その辺がうまく判断できないっていうことが起きたりするっていうのがあって、
それを、例えばお店に来るお客さんを何歳代の人がどのくらいっていうのを見分けるんだったら、
エラーが少しぐらいあってもいいかもしれないけど、
これが人の顔を何かしらで判断して、
その人の利害に結びつくようなものだとすると問題だよね。
例えば、
5人逮捕とかそういう話になったりとか。
そういうのとか、AさんとBさんを識別するっていう顔認識をさせるとすると、
マイノリティな雰囲気の顔の人、もしかしたら肌の色かもしれないし、
顔の特徴が特徴的だったりする人かもしれないし、
要は元の教師データ、先生のデータとずれてる人がちゃんと認識されないとなると、
顔認識で家に入れないっていう人が出てくるかもしれないとかね。
例えばね。
っていう、新しい差別につながるっていうようなことがあるのと、
どうやって判断してるかの説明がつかないから、責任の取りようがないっていうのがあって。
あー、鍵メーカーが、
いや別にこれはうちは単にその機械をくっつけただけで、
機械がどう判断してるかわかりませんってことね。
で、もっと言うと、
家に入れないのに。
人間の歩き方、
人間の歩き方っていうのを学習させて、
車が人間って認識してブレーキをかけるっていうのがあったとすると、
そこの教師データにうまく当てはまらない人は人間だと思ってもらえないとかね。
あー、スキップしてる人はダメと。人ではないと。
そうすると、あれは動物なので、
人間と比べて急ブレーキをかけるよりは、
33:02
もしかしたらちょっとぐらい当たってもいいって判断されちゃうかもしれないとかね。
まあ、それがいいか悪かとりあえず置いといて、
人ではないと判断されて。
そんなことが起こるかもしれないっていうのが、なかなか難しいことになっています。
だから、今はその画像診断も最終的には医師、
お医者さんが再確認をして治療方針を決めるとかっていう風になっているっていうのがあって、
どんどんどんどん精度が良くなると楽になるかもしれないけど、
やはりまだ責任を取るってことができないのがポイントかなと思っています。
ああ、責任ね、なるほど。
そうですね、そうすると責任を取るのは、
それをAIの一番初めのプログラムをしたプログラマーってなっちゃいますもんね、
そんなこと言ったらね。
もしくはその親データを識別、選別した人をとかね。
自動運転もアメリカの道路でばっかり学習したものを、
そのまま日本に持ってきていいんだろうかとかね。
オーストラリアで試験ばっかりしてたら、
そんなカンガルーは日本では飛び出してきませんってことね。
そうだし、人間だってさ、アメリカに行って運転すると、
曲がった時に左車線に入りたくなっちゃったりするもんね。
はいはいはい、それやったことある。
そんなのもAIでも起こり得るわけでしょ。
その辺がね、やっぱ大変なんじゃないかと思っています。
で、量子コンピューター。
量子コンピューターはさっきのAIとちょっと違って、
AIはね、今のコンピューターの上に、
古典的計算方法の上にプログラミングをするんじゃなくて、
たくさんの入力に合わせて正しい出力をするように、
反応のマトリクスを組みましょうっていうアプローチの仕方だったんだけど、
量子コンピューターはちょっと形があって、
これまではね、1か0か間違わないように計算をするっていうのがポイントだったんだけど、
皆さん聞いたことあるかもしれませんが、
量子という光とかもそうなんですけど、
素粒子の大きさになったところの粒子は、
振る舞い方が普通の、
みんなが知っている原子とかそれよりも大きいものと比べて振る舞い方が違うっていうのを聞いたことがあるんじゃないかと思います。
観測するまで値が決まらないみたいな。
普通ね、我々が見ている物質っていうのは、
物じゃないですか。なんですけど、量子の世界。
とても小さい世界では、
例えば電子とか光とかっていうのは、
粒でもあり波でもあるみたいな話をされることがありますよね。
36:04
粒だとすると、あっち回りとかこっち回り、
例えばグルグル右に回っているのかグルグル左に回っているのかっていうのは、
一位に決まるかもしれないけど、
量子っていうのは存在自体が確率的であり、
その振る舞いも確率的に定義されて、
ある測定をするとどっち向きとかどっち方向が決まるというのが特徴になっています。
それでも周りの環境に合わせて、
その量子の落ち着くべきところっていうのは、
ある程度方向性というか傾向が決まっているので、
私の説明がいいかどうか分からないんですけど、
鎖とかを両手で持って、
ネックレスでもいいんですけど、ペンダントとかないようにしてね。
そうすると、だらーんと曲線ができますよね。
あの曲線は相曲線というのと同じ形の線なんですよ。
ぶら下がりの曲線ね。
そういう計算式というかそこに当てはまるような曲線を描くわけですね。
あれは鎖が計算しているわけじゃなくて、
物理的に一番安定するところを鎖が探してその形になったわけでしょ。
でも探してはいないよねっていう言い方もできるよね。
勝手にそこに。
よっぽどガシャンと勢いよくやらない限りは、
普通まずそこに向かっていきますよね。
目的を知っているかのごとく。
それは質量と引力とお隣との関係性というのが定義されると、
そこにイヤが多でも落ち着くというのがポイントなんだよね。
さっき言った量子というのを使って量子のビットというのを考えましょう。
量子は1か0かではなくて混じった状態というのが取れたりします。
巡回セールスマ問題というのは、
地点が何個かあって、それぞれの地点の距離は分かっていて、
どう回ったら一番短くなるかというのを計算するわけでしょ。
さっきの鎖をぶら下げるやつも、
どうやったら一番重力的に安定するかというのを目指して
計算をしたのと同じことになったわけね。
私たちは総曲線というのを知っているからいきなり描けるけど、
例えばある条件で砂山がどういう形になるかというのは、
一個一個砂粒を計算しないとわからないわけじゃん。
39:02
だけど、自然の中では砂粒が勝手に一個一個が共同して動いているから、
ある形になるわけですよね。
だとすると、量子コンピューターというのをどう使うかというと、
量子ビットの間の関係性をある程度定義して、
量子ビットが0でも1でもいいようなところから、
どっちかに落ち着けてふるいにかけるようにというか、
少しずつ揺らして止めると、
結果がなるようになって出ているというのができるんじゃないかというのが
量子コンピューターのポイントで、
この説明が一番いいのかどうかわからないんだけど、
つまり計算をするのではなくて、
関係性が一番安定するところに落ち着くよねというのを使って
結果を出すというのを量子コンピューターはやろうとしている。
量子コンピューターは何種類かあるんですけど、
今説明しているのは量子アニーリングという方法で、
アニーリングを焼きなまし、
ちょっと前に鉄の回でやったんですけど、
熱くした鉄をゆっくり冷ましてというやつなんですけど、
さっき言ったみたいに量子ビットの間の関係性が
こうなっているといいよねっていうのを設定して、
ホカホカのところからだんだん冷ましてやると
どっちかに量子のビットが落ち着くっていうのを
後で落ち着いたときに観測するっていうのをやると、
正しいって言ったらいいんですけど、
落ち着くべきところの値が出ているっていう計算をするんじゃなくて、
物理的に量子と量子の関係性の中から
正しい結論が出るんじゃないかっていうのが
量子コンピューターなんですよね。
得意な計算もあるんだけど不得意な計算もあったりして、
ただ単に足し算するのは普通のコンピューターのほうが楽ちんだけど、
今みたいに複数のことが絡み合って起きている現象を
コンピューターで分析するっていうのをやるときには、
実は量子コンピューターはとても向いているっていうのがあって、
因数分解をしましょうみたいなやつも得意になるんじゃないかと言われているんですね。
今実は暗号の世界では因数分解、すごい大きい数、桁数でいうと何十桁っていう
桁の数の因数分解ができると暗号が早く解けるっていうのがありまして、
そういうのに使われると今の暗号システムが崩れちゃうんじゃないかとか
っていう話もあるぐらい。
42:02
あとは量子を正しく、どっちでもいい状態から落ち着くように持ってくる
っていうようなことをコントロールするのさえ大変なので、
あちこちの会社が大きい設備みたいなもので量子コンピューターで量子ビット、
何ビット分作りましたっていうので10ビット分作りましたとか
50ビット分作りましたっていうのを競争しているという状況です。
まだ理屈とそれに伴って同じようなことができそうだっていうところの検証になってますけれども、
これができるようになると今までコンピューターは不得意としていた計算とかが
できるようになるんじゃないかと言われています。
とりあえず、理屈が難しいね。
だからそういうのもよくそういうふうに思いついたなって思う。
物があるからなるほどって思うんだけど、
よくそういうところにこういうふうに利用できるんじゃないかと
意識が向いたなっていうのもびっくりしますけど。
一つは物理現象を再現させるんだったら物理的なものに任せればいいんじゃないかっていうアプローチを
昔偉い人が言ったっていうのがあって。
え〜偉い人が。
そうそう。だから量子の振る舞いを計算させるんだったら
量子の振る舞いを測定すればいいんじゃないか。
それはいいよね。
じゃあ量子の振る舞いが何かというと
じゃあ量子の振る舞いが何かのモデルと合っているんだったら
それが計算方法になるんじゃないかって思ったわけ。
そこの点がなかなか難しいんですけど。
いろんな人が新しい計算の方法を考えてるわけですよ。
ね〜。目の付け所がシャープって感じですよね。
アプローチの仕方が全然違うところがポイントですよね。
あとAIも諦めずにやった人が成功したっていうのもあって
第一次AIブームっていうのがあって
今第5次ぐらいなんじゃないかな。
要はAIはすごいって言われて
なんだ何もできないじゃないかって何回も言われて
研究者が増えたり減ったりしていて
やっと今必要的なものが増えてきたと。
そうなんですね。
じゃあさっきも出てきた
人間の仕事がなくなるのか
人間の仕事が楽になるのかみたいな話や
どう共存していくかみたいな話で
我々が何を求めているのかも含めて
マッドサイエンティストの人が作りたいものと
自分たちが欲しいものを選別していかなきゃいけないんだろうな
と思っていたりします。
AIはね
45:02
すでにいろんなものの商品に入っていて
AIはさっき言った通り学習するっていうところと
学習したものを使って判別するっていうのが
それぞれあるじゃないですか。
なので学習は豪華な
パソコンとか大きいコンピューターでやらされるけど
このパターンで計算すると
または難しいところから
あまり影響のないノード、線を切っていって
簡単にするとかっていうのも行われていて
なので
作り込む方は時間と手間がかかるけど
同じ判断をするやつだけだったら
再利用が簡単っていうのもあって
例えばカメラで
目にピントが合いますみたいなのが
最近あるのね
動物を映すときに
目にピントが合う
ってことは目を見つけなきゃいけないわけだ
それもボケた状態で見つけないといけないんだよね
ピントが合う前だから
その目を見つけるっていうのを
学習させるのは大変だけど
結果が出てしまえば
数字の掛け算をして合計するっていう計算だけだとすると
小さいマイコンというか
カメラの中に入っている小さいコンピューターでもできるように
落とし込んで判断だけさせることができるのも
一つポイントかなと思っています
ということで
AIと量子コンピューター
量子コンピューターとかはいろんな解説が出ているんですけど
どれが一番わかりやすいかどれが一番正確かって
なかなかわからないんですが
ということで
季節感も全然関係なく
2022年最初の回は
コンピューターのAIや量子コンピューターのお話でした
ということで
今日はこの辺にしたいと思います
そんな理科の時間では皆様からのメッセージを募集しております
メールの宛先は
またですね
そんないプロジェクトというグループで
複数の番組を配信していて
この番組そんない理科の時間は
その番組の中の一つです
他にもそんなことないっしょ
そんない美術の時間 そんない雑貨店
などの番組を配信しております
ウェブサイト
そんない.comではですね
古い音源やその他の番組の
配信音源なども聞けるようになっていますので
ぜひ遊びに来てください
よろしくお願いします
48:01
そんないプロジェクトメンバーは
ラッチさんという方が本を出したり
1月に本が出るそうです
Amazonでひらがなで
すぐに本が見つかると思います
ラジオトークで
トーカーとしてお話をしている人がいたり
YouTubeや
ノートなどで
いろんな活躍をしておりますので
そちらもぜひ探してみてください
よろしくお願いします
そんない理科の時間2022年最初
お送りいたしましたのは
よしやすとかおりでした
それでは皆さん次回の配信でまたお会いしましょう
さようなら
