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506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、
まさとです。
よろしくお願いします。
よろしくお願いします。
えー、かおりさんは今回お休みです。
ジャカジャン！
はい。
えーと、かおりさんの代わりをしなくてもいいので、まさとさんをまさとさんのキャラで通してください。
はい、ありがとうございます。
はい、なんかお忙しいということで、お休みになっております。
で、今日はAIと、なんていうのかな、その波及効果みたいな話をしようと思っています。
うん、AI、話題ですもんね。
そうなんですよ、いろいろ話題なんですが、まあAIのちょっと基本的なところの話と、
はい。
えーと、最近のAIの使い方で、こんな問題があるんじゃないのみたいなところがお話できるといいかなと思っています。
はい。
えー、前々回に理科っぽいワードの話をしたんですけれども、
はい、500回切りますね。
そうです。で、理科っぽいワード、私とかかおりさん何がありますかっていうのは答えたんですけど、
私はごまかした感じもありましたが、まさとさんが感じている理科っぽいワード、好きなものってなんかあったりするんですか?
はい。理科っぽいっていうのがまたポイントかなというので、理科っぽいワードをちょっと選んできたんですけど、
はい。
あの、パウリ効果っていう単語って知ってますか?
えーと、パウリのなんとかっていうのは効果だっけ?
はい。えーと、パイタの、ごめんなさいね。
パウリのなんとか原理だよね。
はい、ハイタ原理っていうのは別であるんですけど、
なので、量子力学って結構小難しい分野の中でも有名人がパウリって人がいて、
もちろんその人の名前のついた小難しいなんか、そういうなんでしょうね、式とかもあるんですけれども、
パウリの原理っていうのが聞いたことあるかな?
そうですね。ただ、パウリ効果っていう単語も有名、物理学者的には有名な単語があって、
へー。
ただこれがまた、なんというか、理科っぽいワードになってるものでして、
その内容がどういうものかっていうと、このパウリって人が理論物理学者っていう人で、
基本的にはその紙とペンだけを使って、こう、式でこういう理屈なんじゃないの?みたいなことを言う人。
で、あの、物理学者って、理論物理学者の対局としては実験物理学者。
実際に実験してから合ってるの?間違えてるの?どういうふうな挙動ができるの?みたいなことを実際に試す人たちっていうのがいるんですけど、
なのでパウリはそうではなくて、紙とペンだけで基本的に物事を考える人。
ですが、パウリさんも実験してみたいなーって思うことはあるわけで。
実験してみたいなーって思うことはあるわけでってのは面白いけど。
03:03
そうですね。
実験を嫌ってたわけじゃなくて、実験をやろうって思ったことはあるわけね。
そうですね。それでなんか、じゃあ実際実験やろうって思って、
理科、物理実験とかで使うような装置に近づくと、
なぜかパウリさんが近づくとその装置が壊れるという事件が何度もたて続きに起きてしまった結果、
パウリさんが近づくことによって機械が故障することをパウリ効果と呼ぶようになったっていう話があるんですよ。
つまりあれですね、パウリという人物が遠隔的に実験機器に作用して、
実験がうまくいかないような効果を及ぼしているに違いないというパウリ効果っていうのがあると。
そういう仮説が今年中に叫ばれてるって感じですね。
これは一応確認なんですけど、お笑いネタというかジョークネタでいいんですよね。
そうです。ジョークネタとして出てます。
一応確認しておかないと。
確かにそうですね。
この番組で言ってたからって言われると、パウリ効果ってのがあってね。
触りもしないのに機械が壊れるってのがパウリ効果って言うんだよ。有名でねって言われる。
でも自分もそうやって実験で装置壊しそうになっちゃったときに、やべえパウリ効果だとか言うとわかってくれる人はいます。
飴男的なやつね。
そうですね。理科っぽいっていう意味ではこんな感じかなと思って選びました。
まさとさんがこのワードが一番にピックアップしたのは何か理由があるんですか。
どっちかっていうと理科っぽいっていうワード自体が選択肢として少ないなと思う中でも、
自分でもたまに使うようなものであげたものがこれだったって感じですね。
何かね、ほら何もしてないのに壊れたっていうのがたまに聞くことがあるわけですよ。
そうですね。
多くの場合、なんかしてるよね。
そうですね。
何もしてないんだけどPCが起動しないとかっていう。
起動しないのはあれだけど、なんかクラッシュするみたいな話で、
何もしてないって本当に何もしてないのっていう話をすると、何もしてない何もしてないっていう。
最後にあったら何?っていうとほにゃららをほにゃららした。
それじゃダメなんじゃないの?みたいなね。
ありますね。
私の知り合いで、なんだっけな。
PCのキーボードの刻印が消えやすいって人がいて。
キーボードの刻印ってね、上から印刷してあるやつもあるじゃないですか。
ありますね。
いくつかパターンがあるんですけど。
ポリコンであるやつから上にインク乗っけただけのやつと。
とかあるんですけど、あと裏側に印刷してるやつね。
はい、透明になっててってことですね。
とかがあるんですけど、上に印刷してるのが溶けやすいというかっていう人がいて、
06:07
指からなんか出てんじゃねえのって言われてますよね。
いやー、でもわからなくはないですね。
ね、なんか壊す系の人もいるけど、そういう変わった感じの。
ほら、キーボードの文字が消えてる人がいるから聞いたことがあって。
そんなのもありました。
自分の会社のキーボードはいつも人差し指が置かれるFとJのところはすごく剥げてますね。
それ以外はある程度残ってるんですけど。
やっぱりあれ。
人差し指から何か出てるかもしれないです。
何も気にしてないときにも軽く擦ったりしちゃうのかね。
多分そうでしょうね。
ホームポジション、最初に手を乗っけるときに探るのって人差し指からかなという気はします。
昔のMacはDとKに点があったよね。
そうなんですか。
中指のところに点があったんですよ。
で、点キーの5にも点があって。
それはありましたね。
そうそう。だから中指のところに点があるっていうので揃えていたんですけど。
今はFとJになってるかな。
そのパターンが多いと思います。
ということで、本編のほうではAIについてお話をしていきたいと思います。
AI。
はい。ということで今日はAIの話をしていくんですけど。
はい。AIですね。
AIの基礎のところの基礎。
AIとは何ぞやっていう話を少しだけするんですけど。
まさとさん的にはAIとは何ですかね。
AI。言葉通り人工知能、人が作った知能っぽいものをAIと考えるので。
そうですね。
ドラクエとかの仲間が勝手に行動するやつがAIっていうイメージがありますかね。
敵が現れてから戦うときに主人公キャラに関しては自分で入力、戦うを選択するけれども。
他の人たちは人によっては回復の呪文をかけてくれたりっていうのを自動でやってくれる。
あれとかはAIって感じがすごくしますね。
そうか。定義というと、AIはまさに人工知能なんですけど。
今ドラクエの仲間はこういう状況だったら魔法をかけるとか、こういう状況だったら防御するとかっていうルールをあらかじめプログラマーが設定しておくっていうので動いてるんじゃないかと思うんですね。
09:08
そうですね。
なんですけど、AIっていうのはそれが自分で学習できるっていうのがポイントなんです。
で、ちょっと前のサイエンマニアっていう番組、ポッドキャストの。
そこでAIの話もしてるんですけど、そもそもAIって人間の脳の中、また動物の脳の中の仕組みで。
細胞というか神経細胞がつながっていて、そのつながりが、例えば目から入ったものが何かっていうのが分かるっていう、その認識するってどういうことかっていうので。
まずはパターンを目で見て、それが順番に神経がつながっていって、最後にここの神経が興奮すれば。
これは例えば何でもいいんですけど、ペンダとかっていうのが分かるというようなことが何かしらコンピューターでできないかって考え始めたやつね。
だからそもそもニューラルネットワークっていう神経ネットワークを模したものでいろいろやってたんですけど。
神経が英語でニューロンですもんね。
そうそう。
なので神経的ネットワークを使ってっていうのがあって、20世紀は理屈はあったんだけどなかなか流行らなかったんですよ。
で、無理やり学習させるんだけど、それってさっき言ったルールベースで書いちゃったほうが早いんじゃねえのっていう状態だったのね。
それが計算量が画期的に増えても大丈夫。
要はコンピューターの能力が上がったり、そういった神経のニューラルネットワークを模式的に動かすプログラムとか、それを処理するプロセッサーっていうのが発達して、
さっき言った入力の個数とか途中の段数とかっていうのを大きくしたらそこそこ使えるものになったっていうのが最近の流行りなわけ。
最近つっても21世紀になってすぐぐらいの。
昔からその考え方自体はあったけれども、コンピューターの進化とともなって使い物になるものになってきた。
ディープラーニングとかいくつかキーワードがあるんですけど、もともと2段ぐらいとか3段ぐらい。
さっき言った1段目が視神経画像の入力で、2つ目が1段階目。
そこの出力をもう1回神経っぽいやつに入れてって順番にやって、段数とチャンネル数というか1個の中にどのくらい神経細胞に模したものを使うかっていうのが増えていくとかっていうのができることになるわけね。
ディープラーニングは段数が増えたっていうのがディープでラーニングするわけ。
深い段数でラーニングですね。
12:00
一番わかりやすいって言ったらいいんですけど、5かける5ぐらいのマス目を用意して、そこに1,2,3,4,5,6,7,8,9,0って10種類書きますよね。
そうすると、それぞれのマスが黒かったり白かったりするじゃないですか。
またはグレーだったりでもいいんですけど、いろんな人がそういうのを書いたときに、5かける5だったら25個入力があるわけね。
それに対して25個の入力を、もう1回だから25個の神経細胞模したやつに突っ込んで、そこで何をコントロールするかっていうと、
1段目から2段目にどれくらいの重みづけで伝わるか。
だから1番から25番の1番を0.5、2番を0.5みたいなやつをやっていって、そういうのを何段か組み合わせるっていうのをやって、
最後に10個の神経細胞にして、それを1から0まで10個分のやつにするっていうのをやります。
1っていうのを入力したとき、1っていろんな人がいろんな書き方するじゃないですか。
だからいろんなパターンがあるんですけど、それを入力したときにこれは1だよっていうのを教えてあげる。
間をどう係数をつけていったら正しい答えが出るかっていうのを、1から0まで10個分といろんな人が書いたやつを付き合わせて、
いろんな人が書いたやつでも、1のときには1、4のときには4、9のときには9っていうのが最後の神経が興奮するように、
重みづけ、神経細胞と神経細胞の間の重みづけを計算で最適化していくっていうのが学習っていうのになるんですね。
手書きで書いた数字自体は、同じ1でも人によって形が違うから、5×5のマスでも黒になるとこと白になるとこが人によって違うんだけど、
その形がこれは1だっていうのが伝わって、段数を重ねるごとに伝わっていって、1かどうかの判断をしてくれるみたいな感じですよね。
つまり、先生がこれを1だっていうふうに判断する人がいて、それ決まっていて、それに対して入力がいくつもあるんだけど、
それにある係数をかけるっていうのをやっていって、その組み合わせをうまく考えると、
いろんな人が書いた1から0までの塾種類が見分けられるっていう識別ができるような神経の回路ができるっていうのがAIの学習になります。
ここまではいいですかね。
はい。
で、こっから先急に難しくなるんですよ。
これが写真に猫が映ってるってなったら、じゃあそこって5万入力あるんですかみたいな話とか、本当にそれでわかるんですかみたいな話があるんだけど、
そこの工夫はいろいろありるんですけれども、つまりネタとしてはそれに近くて、ある入力があって、
途中の経路にニューラルネットワークを用いて、ある程度の段数を作って、最後に犬だとか猫だとかっていうのに判断するっていう先生が教えてあげるっていうのをやると、
15:08
とりあえず切り分けができるようになるっていうのが判断できるAIっていうのが最初に使われ出しました。
はい。見分けるAIですね。
そうそうそうそう。で、それが普通の人間が見分けるよりも早かったり、普通の人間が見分けるよりも精度が高かったりするっていうところまでいくと、
人間の仕事がなくなるっていう話にもなるんだけど、ざっくり合ってればいいっていう仕事があれば、もうAIでいいじゃんっていう話と、
そうですね。
さっきの学習っていうのに実は時間がすごくかかるんだけど、いっぺん学習してしちゃうと、
次に新しい人が1とか2とか書いたやつがすぐにわかるっていう、実行は楽ちんなことが多いんですよ、そういう認識系のやつは。
だから、例えば今カメラで動物の目にピントが合いますみたいのがあるのね。
いろんな動物がいるじゃないですか。
そうですね。
で、そういうのを学ばせるときに、多分学習にはとても時間がかかるんだけど、実行するのは大きいコンピューターがなくても手の中に入る、
なんていうの、ちっちゃいハードウェアでも実行ができるっていうのがあって、
そういうのがAIの一番最初のものです。
で、その後ね、そこになると何がポイントかっていうと識別ができるようになります。
新しいものが。
これは犬です、これは猫です。
で、実はこれって今までは職人さんがこう、
習うより慣れろだ、お前俺の背中見て学べ、みたいなことで他の人に教えてきたことを、
AIくんが習うの実は得意で、
それは職人の目が良ければ良いほど習うのが得意なわけですよ。
なんでかっていうと正解がわかってるんだから。
で、微妙な違いを言葉じゃ言えないけど、これ違うだろって言って教え込むことができて、
少なくとも上手にそのパラメータを作ってあげると、
職人さんが見分けたものと同じ程度に見分けられるようになるわけ。
なんかそれこそ職人さんの中に、
綺麗な球を作る職人さんも、
一回パッと見ただけで、
この円、深円からこんだけずれてるな、みたいなことをわかる人がいても、
そのずれ方が、ここがこうずれてるんだよって言葉にしづらいけども。
今、まさとさんは深円って言った途端、
深円を見分けるのは実はコンピューター簡単なので。
そっか、そもそもそうですね。
そうではなくて、例えば、
作ってるときにこのくらいの柔らかさになったらとか、
あとはここにこれくらい力を入れればとかっていう、
18:03
職人じゃないとわからない、言葉にも言えない、
数式にも普段は表せないものを学ぶっていうのができるっていうのが、
最初の実用化されているAIで、認識系のAI、教師データ付きってやつです。
これでも実は問題が起こっていて、
教師データが良くないと正しく認識できない。
これ実際起こったことで言うと、
例えばGoogleが作った人間の年とか性別とかね、
そういうのを認識するっていうのは、
こんな顔だったら何歳ぐらいだろうとか、
この人は男だろう女だろうみたいな。
あとは社員証の写真と本人が合ってるかどうかとか、
みたいなものをやるのに、
白人の男性の認識率が高いけど、
そうじゃない人たちの認識率が低いっていうことが起きちゃった。
聞いたことあります。
なんでかっていうと、
教師データ、要はいろんなサンプルを作ったときに、
身の回りから集めてきたのが白人男性が多かった。
だから有職人種だったり女性の数が少なかったんで、
そういう人たちの認識率がとても低くなってしまったっていうのがあって、
つまり職人さんも教えてもらってねえことはわかんねえよってなっちゃうんで。
はい、そうですね。
あとマイクロソフトが会話を学ぶためのチャット用のボットを、
ツイッター上で学ばせようって言って会話をし始めたら、
すげえ口が悪い人になっちゃったっていうのがあって。
まあ口が悪い人、ツイッターの人も多くいますからね。
そう、だからそこでは先生次第なところがあって、
先生がダメだとダメ。
これね、今笑い話になってるからあれだけど、
例えばあっちこっちに監視カメラがあって、
犯罪者と似てる人を自動的に見つけてピックアップしようっていうのがあったとしましょう。
ああ、はい。
だとするとさっきの話で、有職人種の人は認識率が悪い。
だとすると間違って犯人だというふうに判断されてしまう率が高くなる。
だとするとAIがこいつは悪いことしているデータベースのやつと似ていて、
捕まえるべきだって言った人が偏って間違ってしまうかもしれないっていうのは、
これ問題じゃないか。
問題ですね。
そう、だからAIはね、遊びで使ってるうちはいいんですけど、
実際に生活に影響が及ぶようになると、
誰が責任を取るんだって話になったり、
あとは責任が取れない話はまた難しくて、
自動ブレーキは人が出てきたのを本当に見分けられるのかとかね、
そういったところにも伝わってきます。
Googleの顔のやつに関しては、
iPhoneのフェースキー、
ログインするときに顔をかざして、
フェースIDか。
フェースID。
それも同じ話で問題が起きて、
21:02
結局、白人男性の双子は見分けられるけれども、
最初の頃はアジア人の双子は両方入れちゃう、
みたいなことが起きてたっていうのは聞きましたね。
ということで、そんなところから問題が起きることがあります。
でもAIはだんだん進化してきまして、
教師なし学習とか教科学習っていうのとかができるようになってくると、
教科学習は面白いのは、
先生はいないけど、成功したか失敗したかは教えるっていうのがあって、
だから、ルールを自分でAIが類推するっていう。
一番最初の頃出てたのは、
テレビゲームみたいなやつで、
AIがテレビゲームのコントローラーを操作する。
例えば、右と左と打つボタンみたいなやつがあって、
そういうのをやるんだけど、最初は何もできないのね。
なんだけど、どうなったら得点が上がるかっていう入力だけすると、
どうやれば得点が上がるかを学んで、だんだん上手になっていくっていう。
教科学習ってやつで、
教師付きとはまたちょっと違った学習方法があったり、
あとは教師なしっていうやつで、
入ってきた入力を勝手に分類するっていうクラスタリングっていうことができたり、
あとは2つのAIを競わせて、
片方が監査役、片方が作る役みたいなことを、
お互いが通信をしながら学んでいくっていう教師なし学習っていうので、
自分で解を見つけていくっていうのができるようになったりすると、
人間が思いつかなかったこと、
ようなことを思いつくようになるっていうのが起きてきます。
で、これも問題はまあまあ起こるんですが、
正解がないものについて見分けができるとか、
あと異常について、
いつもと違うっていうのに気が付くっていうのも、
この教師なし学習のポイントで、
なんでかって言うと、ダメなことを全部教えるわけにいかないんで、
いつもと違うっていうのがわかるっていうのとかが、
教師なし学習で言われるようなことで、
よく使われてるのは、クレジットカードとかが、
あなた、最近じゃない、今回、いつもと違う買い物してますよ。
だから止めましたっていうのがあったりするとかね。
テレビで異住院さんっていう方がそんなこと言ってました。
美容家電?
髪の毛がサラサラになるドライヤーを知り合いと奥さんに買ったら、
お前はそんな買い物するやつじゃないはずだって言って止められたっていう。
それまでそういうのを買ったことがない中だったら、そういうふうに。
24:01
そうそうそうそう。私も止められたっていうか、
決済が通んなかったことがあって、
ホテル予約サイトあるじゃないですか。
あれで予約をしていたことがあってというか、
今も使ってるんですけど、いつもはそこでは予約だけして、
実際にホテルに行ったときにチェックインとか出るときに払うって言ったのを、
そのサイトで払おうと思ったらどうも通らないって言って、
翌日電話があって、
昨日不正を検知したので止めましたって言って、
え、昨日?あれだとか思って。
不正じゃないけど不正と思われたって。
いつもと違う行動したっていうのがわかっちゃう。
それはいつもと違う行動ってわからないじゃないですか。
教師がいるわけじゃなくて、それをいつものっていうグループにまとめるっていうようなことができたりするっていうのは、
教師なしデータのいいところ。
自分も仕事でそれに関しては使ったことはあって、
それこそ製品を作っていって、
それの一番最後に外観検査って、
外から見て、明らかに傷がついてるとか、
そういうものは製品としては弾くっていうことをするときは、
いろんな失敗、間違いというか傷のパターンがあるから、
それを全部学習させるのは大変だけど、
正解の綺麗な製品だけのデータがたくさんこれまで積み重なっていたら、
そこから外れたものはもう外観的に不良だろう、
良くないものだろうっていうので弾いてくれるっていう、
そういうふうな使い方もしてますね。
そうですね。そんなことが使えるようになっています。
ただ、教師なしなんで、
思わぬところに穴があるかもしれないっていうのの保証ができないんで、
あまり大事なところに使えないとか、さっきのね。
過信はしずりすることはできないですね。
クリエイトカードも間違って判断してしまうことがあったり、
変な買い物が見つけられないこともあるけど、
それは今までよりはずっと役に立つから使いましょうとか、
っていうので使われることになってるよね。
そうですね。
つまり認識系は結構使い物になるというか、
いろいろ課題も分かっているんですけど、
今、交差点で車の種類でカウンターをしてる人とか、
たまにいるじゃないですか。
交通整理のお仕事ですね。
交通整理じゃないや。交通集計。
集計というか、流量の記録というか。
ああいうのもAIが学べばすぐにできるはずですよね。
そうですね。
そうなんですけど、あれがAI化しない理由は、
あそこっていうか交差点にカメラを仕掛けて、
コンピューターをつないで、
AIのソフトを走らせてってやるより、
1日バイトさん使ったほうが安いから。
導入するときのお金ですね。
27:00
そう。よくね、
AIが導入されると単純作業がなくなるっていう話をするじゃないですか。
俺の仕事なくなっちゃうよみたいな。
でも思ったより職人みたいな人が失業して、
単純作業ないような人は、
給料が安いと残るんじゃないかっていう、
いいんだか悪いんだかわからない問題もあって。
さっきの外観検査も、やっぱり熟練の人。
パート3でも専門家でもいいけど、
熟練の人が見るからこそわかるっていうのがずっとあるじゃないですか。
ありますね。
なんだけど、
AIになった途端、熟練の人が代わりになっちゃうっていう。
今までAIは単純作業をするのが得意って、
なんとなく思っていたのが実はそうではなくて、
熟練の作業が得意だっていうのが結構ポイントなんですよね。
一方で、それを教えられる人はいなくならないわけ。
そうですね。
学習させるなんというか。
人を育てなきゃいけないから、
人は育てなきゃいけないけど、
AIにも活躍してもらうっていうバランスがこれから大変になるんじゃないかと思います。
で、皆さんが聞きたいのは、
それって結構前の話で、
最近のほら、AIって言うとあれあるじゃないですかみたいなのがあって、
ジェネレーティブAIとか言われる、
さっき言ったのはどちらかというと判断する。
これは丸ですよ×ですよみたいな。
さっきで言うと、これは良品ですよ不良品ですよだったり、
これは写真は何でとかっていうのを判断するやつが多かったんですけど、
生成系とかジェネレーティブ系っていう新しいコンテンツを作っちゃうやつなんだよね。
はい。話題になり上がりがちですね。
そうそう。去年ぐらいからよく出ている絵を描いてくれるやつとか、
最近おしゃべりするやつね。
はい。チャットしてくれるやつですね。
そうそうそうそう。
で、チャットの方はうまく説明できないんだけど、
お絵かきする方は何で言葉から人が描いたような絵が生成できるかって話で、
そもそもAIの中では写真にノイズが載っているようなもので、
そのノイズを除去するっていうのを学習するっていうのができます。
いいですか?
綺麗な絵があって、それにノイズが載っているの。
どこがノイズで、どこが絵だかを判断して、
それを戻してっていうのができるやつを作ります。
はい。
それはいいよね。
そうですね。
で、それとさっき言った、
こういったワードと関連している絵はこんな絵ですっていうのがありますよね。
犬って言って検索して出てくる絵がすげえたくさんあるじゃないですか。
画像検索で。
はい。
つまりそれが生成データだとしますよね。
はい。
そうすると何ができるかっていうと、
これちょっと簡易的に言い過ぎなところあるかもしれないけど、
例えば、なんだろうな、
30:00
あわてん坊のサンタクロースとかっていうのがあるとすると、
このノイズは、まずノイズの絵を描くんですよ。
何でもいいから。
あわてん坊のサンタクロースが描かれた絵にノイズがすげえ載っているものですっていうふうに教えると、
そこからノイズを除去していって、
あわてん坊のサンタクロースに合うようなものを作っていってくれるわけ。
ノイズといったらもうランダムにザザザっていろんな形だったり、
色が散らばっているような状態から、
あわてん坊のサンタクロースの形に近い方に寄せていくって感じですよね。
そう、それをあわてん坊のサンタクロースが描かれた絵にノイズが載っているに違いないってやつを、
ノイズを取っていくってことをやってくれるわけ。
そうすると、あわてん坊のサンタクロースの絵を検索して出すのできるじゃないですか、皆さん。
皆さんというかコンピューター内でできるし、それはデータベースで取っておけるけど、
あわてん坊のサンタクロースっていう絵をノイズから作るから、
誰も描いたことのないあわてん坊のサンタクロースっぽいものができる。
これまでに存在していないあわてん坊のサンタクロースが出てくる。
クリエイティブなことができる。
っていうようなのが、言葉から絵を出す方法で。
これもね、楽しんでるうちは良いんですけど、
これ、著作者がいない絵だけど、
さっきも言ったみたいに、あわてん坊のサンタクロースで出てくる絵を、
どこかで見本にしてるわけじゃないですか。
そうですね。大量の見本があるわけですけれども。
誰かのに似ちゃうことがあるわけ。
はい、そうですね。
それをどこまで似たら著作権に抵触しているかっていうのを判断することができないっていう問題が生きてくる。
難しい問題だ。
オリジナル作品だってさ、模写するっていうのがあって、模写は模写ですって言えばいいでしょ。
そうですね。模写はそれでいいと思いますね。
オリジナル作品だって言ったら、人間はあんまり似すぎてたらダメだって思ってるからあれだけど、
だってノイズから作ったら似ちゃったんだから仕方ないじゃんって話になった時に、
それ真似なの?それともタッチを真似してるの?
それとも、たまたま真似っぽくなっちゃっただけで、
AIが出したはずだから、そんなの真似じゃないんだよっていうのかみたいなところの問題があったり、
あとは、今はたくさんのネタがあるから、
ジェネレリティブAIっていうので絵が描けるけど、
これだんだん人が絵を描かなくなってしまったら、さっきのね、職人さんが弟子を育てないじゃないけど。
そうですね。
NGと良品と不良品を見分けるAIがあって、どんどんどんどんそれが工場に入っていって、
一番最初に、これくらいだったらいいかって言った人が辞めてしまった時に、
33:04
この良品は誰が良品ってやったの?って言ったら、AIですって言って、
お客さんからクレーム来たんだけどどうしてくれるの?って言われたら、
だってAIが見分けたんだからこれ良品に違いないですよって言うのか?みたいな、
最終的なフィーリングがAIに教え込めないっていうところとかがやっぱり出てくるんだよね。
そうですね。
で、その辺で、今はいいけど、将来AIが作った絵ばかりが世の中に並んだ時の、
ある言葉から出てくる絵は本当にその言葉なの?っていう話とか。
あとは、今おしゃべりできるAIがある中で、
おしゃべりできるAIも、その知識は今までのウェブで取ってこられるようなやつからどんどん取ってきているはずなんですけど、
どこまでがクリエイティブで、どこまでが引用で、どこまでが盗作なのか?
難しい。
あとは、フェイクなことを生成するってこともできるわけです。理屈が合ってればいいとか。
正しいっぽいけれども違う。
デッチ上げをするっていうのができたり。
で、いうのとどう付き合ってるかっていうのはやっぱり問題な。
一方で、例えば人間の補助としてアイデアを広げるみたいなところ。
例えば、長い文章だーって書いて、ちょっと要約してみたいなやつは、
AIに要約してもらって、そこそこできたらそれでいいじゃんみたいな。
そうですね。
あと、ちょっと。
ツールみたいな。
そうそう。面白いなと思ったのは、新しい商品のキャッチコピーを考えたいっていうときに、
こんな感じのワードで何とかしてよみたいな、アイデア生成器として使うみたいな。
はいはい。いくつかこうトトトトって出してくれたら。
そうそうそうそう。
ありがたいですね。
みたいなのに使うとかっていう、補助として使うっていうのはどんどんどんどん進んでくるんですけど、
それが人が書いたものとして勝手に出たり、AIだけが生成したものが出ていくっていう怖さはやっぱあるし、
さっきも言った、AIの出力した文章があふれた中での再学習が行われたときの真偽は誰が保証するのかっていうのも分かんないとかね。
かつなんかもう誰もそういう判断しなくなって、AIがどんどんどんどん突き詰めて逆方向にとんがっていってしまうっていうのは考えられるかなっていうのが何でしょうね。
チャットの方で言えば、それこそさっきみたいにフェイク、真偽は正しくないんだけれども正しいっぽいやつがたくさん出回ってしまったら、
そっちの方がもはや真実になってしまうってことが将来的に起き得ることになりますね。
たしかね、早手のみっていうのがあったんじゃなかったっけな。
早手のみ?
早手のみ。早手のみはあれです。何々のみじゃなくて、飲むほうね。ごっくんって飲むのみで、早手はひらがながいいのかな。
36:09
早手のみじゃなかったっけな。AIに早手のみについて教えてくださいみたいなのを質問したっていうのがあった気がするんだけどな。
要するに、AIに本当はないものを質問すると、さもあるように語るっていう。
検索したら出てきました。
本当だ。
要は江戸時代には何とかと言われていたのですが、それが明治時代にスタレテみたいな。違うこと言ってんじゃないのっていうのが、要はフェイクニュースを作るっていうのができちゃうわけです。
怖いなあ。
ここまでくると、たたい一段は遊んだ人が嘘だけどねって言うけど、この架空の論文みたいなものをAIが人間よりも早く作れるわけですよ。
何十秒かあれば論文一本書けるかもしれない。これ量産してしまうと、それで世の中の文章が汚染されてしまうとか。
そうですね。
もしかしたら、レポートは手書きに限るっていうのがまた出現するかもしれない。
十分ありえそうですね。
コピペができちゃうからデジタルダメって言ったけど、もはやデジタルじゃないものは受け付ける方が大変だなっていう風になっているが、
AIが進みすぎると審議がわからない論文ばかり出てきて、採点する方も大変で、みたいなことが起きたり。
でもだんだんあれだよね、俺が書くような字を書いてくれるAIがあるかもしれないよね。
出てきそうですね。
日記帳を一年分学習させると、しゃべっただけで自分の字で書いてくれたり。
あとは、明日こんなことがあるはずだけど日記書いといてっていうドラえもんの世界なものができるかもしれないよね。
すごい未来の日記ですね。
未来の日記だったり、あとはなんとなく今日の文さまっといてみたいな。
十分ありえますね。
怖いなあ。
言いたいのは、怖い話もあるんだけど、一方でこういったよくわかんない技術とうまく付き合っていって活用していくっていうのはやっぱり人間、人類に求められるんじゃないかと思っていて。
そうですね。
今ね、なんとなくこう仕組みみたいな話もしたんですけど、ほとんどの皆さんはテレビがなぜ映ってるかの仕組み全部答えられないわけですよ。
そうですね。自分も無理だと思います。
そうでしょ。中には数式が使われていて、圧縮するためにはこことここのものをこんなふうに畳み込みをしてどうこうとか、ここでは最適化してどうこうみたいなやつをこんな数式でやってますみたいなのを知らないけど、きれいな絵が見られたり、アナログの電波だったらデジタルになって聞こえるようなきれいな絵が見られるようになったりっていうのが起こっている中で、
39:17
AIについても、仕組みを知っていればもちろんいいことはあるけれども、仕組みを知らなくても特徴をうまくつかんで、ちゃんと付き合っていくっていうのが大事かなと思っているし、AIだけじゃなくて、フェイクなことをしゃべる人はたくさんいて、そういうのに騙されてはいけないっていうのも含めて、ほら、ホラフキーな人は昔からいるじゃないですか。
いやー、いくらでもいますね。
そんな感じでですね、うまく付き合うっていうのを覚えていくっていうのが来るのかもしれません。
ちょっと前までね、私はもう歳だからスマホなんて使えませんっていう人が、いやいやいや、今スマホしか売ってないからとかっていうのと、スマホなんてあっても役に立たないって言った人が、実はとっても役に立つとかねっていうような、普段の生活に役に立ったり、あとはリスクはあるけどそれを知りながら使うことで今までできないことができたりとかっていうふうにつながっていくのが、
AIに期待されることなわけですよ。
そうですね。
人の仕事を奪うのではなくて、より自由な時間を作ったり、他のクリエイティブに使えたり、また腕のいい助手として使えるっていうふうに活用していけると一番いいんですけど、
そのためには、詳しい仕組みも知っていればそれに越したことはないけれども、どこでどう間違えるか、どんなリスクがあるかっていうのは知っておいて使うっていうのを心がけなきゃいけないんじゃないかなと思います。
車も似たような感じかなと思ってるんですけど、車の操作運転はもちろん免許取ればできるようになるわけですけど、本当に詳しいエンジンの仕組みやギアの仕組みまで知らなくても、こうやればハンドルを回せばちゃんと曲がってくれるよみたいな特徴だけ分かっていれば、
本当のその中で起きてることを理解してなくても車は運転できるし、その方が移動としては楽になるみたいな感じの。
リスクを知って使うことで、あっちこっちを壊してしまう機械としてじゃなくて使うっていうふうにしなきゃいけないってことだよね。
そうですね。
アクセル踏めばいくら前に進んで、いろんなもの壊せるわけですから。
なので制限速度を設けてとか、もちろん細い道路だったら運転者もちょっとゆっくりにして進めるとかして、うまく付き合っていくっていうのが大事ですね。
50年前ぐらいは中の仕組み知らないと不調になる車が多かったんで、本当ですよ。だってオーバーヒートしてる車が道端に止まってる時代があったんですもん。
42:11
タイヤもパンクしやすかったし、オーバーヒートはするし、私が乗ってたバイクには燃料系はないし。
いつガソリンなくなるかわからないのが怖いですね。
まあまあそんな感じでね。
そうだよ、だって株だってシートとか開けないと燃料系なかった時代あるもんね。
そうですね。
お尻の下にタンクがあって、タンクのキャップに燃料のメーターがついてるから開けないとわかんないから、乗ってる時はわかんなくて降りてパカッとやるとわかるみたいな。
はいはい、それはそうでしたね。
などということでAIとうまく付き合っていけるといいんじゃないかと思います。
あと詳しいことを知りたいときには、今入門書とかたくさん出てるんで、仕組みを知る方についてはいろんな書籍があると思うので、書籍、ウェブサイト、あとはポッドキャストとかもあると思うので、そっちを見てみてください。
ということで今日はAIとかについてお話をしてきました。
この番組では皆様からのメッセージをお待ちしております。
メールの宛先はrika.jp、rika.jpです。
またそんないプロジェクトというグループでポッドキャストの配信を行っておりまして、この番組のほかそんなことないっしょ、そんない雑貨店などの番組を配信しております。
こちらはですね、ポッドキャストアプリなどから聞けるはずですけれども、古いエピソードに関してはそんない.com、s-o-n-n-a-i.comのサイトで古いエピソード、この番組で言うと500回分聞けるようになっておりますので、100回までのやつはあちこちで出てますけれども、それより古いやつはウェブサイトのほうに遊びに来てください。
またこの番組のほかの番組なども聞いてみてください。よろしくお願いします。
よろしくお願いいたします。
あと、理科っぽいワード募集してたんですけれども、ご紹介をしちゃった後にも何通かもらっていますが、ちょっとまとめて来月のメールの中で紹介できればいいかななんて思っております。
はい。
ということで、そんな理科の時間第506回、お送りいたしましたのは、よしやすと。
まさとでした。
それではみなさん、次回の配信でまたお会いしましょう。さようなら。
また今度。
