NHK人間ってなんだ超AI入門、移動する
今AIが社会に革命を起こしている
AIをれば知るほど人間の本質が見えてくる
自動運転 開発が加速
ついには自動車以外のものも動かし始めている
2018年は試練の年になった（死亡事故発生）
自動運転開発者
予測プログラムによって、歩行者が飛び出しそうか？
後ろからくる車が飛び出しそうか？
並走するのか？など感知できるのです。
人間の移動は大きく変わります。
感じる 伝達 ロボティ
徳井義実ー漫才コンビチュートリアルのボケ担当、シュールな笑いで勝負する家電芸人
ゲストー根津孝太ーカーデザイナー 未来の車のコンセプトデザインを手掛ける
AIによって車のデザインがどう変わるのか興味津々
松尾豊ー東京大学大学院工学系特任准教授 人工知能研究の最前線を走る
くるまって革新的な技術が出てくるとドラスティックに変わる
実現の度合いによってはドライバーがいらなくなる
技術の度合いによってレベル１～５まである
安全なのか（事故を起こさないのか？）
認知 判断 操作
レベル１・２は運転支援
例えば接触の危険を感じたときに自動で減速したり、直線の道路で部分的な自動運転、走行レーンを保ち車間を維持し（ハンドルから手を放さない）
レベル3以上が自動運転 このレベルで死亡事故が起きた
自動運転（ブレーキもアクセルも自動）
現在開発中（緊急時はドライバが運転）
緊急時の判断と予測はAIにとっては難しい
安全性への疑問（人間はどうやっているのか？）
カナダトロント 自動運転の最前線
AI開発チーフ・サイエンティスト（ラケル・ウルタスン）
死亡事故を起こしたことは残念だが、一方で毎年130万が交通事故で亡くなっている現実がある。今も毎分誰かが亡くなっている。それに対して自動運転の技術でできることもたくさんある。まず事故が起きるリスクを最小限に抑えることはもちろんだが、そのうえで安全性を最も重要視し安全な操作の追及に力を注ぎたいと思う。高齢化問題さらに大気汚染問題に自動運転技術は有効だ。自動運転の技術がもたらす社会的な便益についてもより深く考えられてもよいと思う。
交通事故の9割は人間のミス。
AIは集中力が落ちたりよそ見はしません。
まだまだ免許をもらうまでには時間がかかりそうなのでまず助手席から皆さんを見守ることにします。
諏訪正樹 ドライバー見守りAI開発
ドライバーが見ている場所をセンサーが追う。
黒目の位置を1度単位で追う。
目は口程に物を言う。
天然の手振れ補正（眠気と連動）
もうすぐ眠たくなる（AIが判断）→人間を知ることにつながる。
ディープラーニング→ニューラルネットワークを深く掘り下げる。
ニューロン（1000億）巨大なネットワーク
本当の自動運転に代わるまで10年かかる。
助手は車そのもの。
松尾さんは自動運転に代わるのは一気に変わると思っている。
ショーン・ウィックス（自動運転 テクニカル・マーケティング・マネージャ）
私たちは自動車運転の学習でもほかのロボットと同じアプローチを行ってきた。
運転シュミレータはVR空間で自動運転AIをテストするもの。
仮想空間なので安全だしとても危険な場合も含め様々な状況を試すことができる。パラメーターを変えれば昼にも夜にも環境を変えられる。道路上に雨や雪を降らせたり霧の状況を作ったり最も危険な状況やシナリオ、実際の事故の再現もできる。
現実世界の出来事にAIがどこまで効果的に対応ができるのか？
フレッド・アルメイラ 自動運転開発チーフアーキテクト
ベースのシステムを学習
ルールベース あれは信号・あれは歩行者。。。周囲の状況をまず認識、教え込まれたルール・操作を判断ーたくさんの状況が必要、ディープラーニングが役に立つ。想定以上に複雑。
ポリシーベース 人間は想定外でも認識・対応ができる。自身の経験から獲得（予測と判断）
従来の自動運転（ルールベース）松尾豊
認識→計画→実行
人間が運転するとき分けて考えます？
ポリシーベース 認識＋計画→実行
前頭葉 海馬の説明（フレッド・アルメイダ）
大脳皮質（知的処理）・・・・・・・・・大脳基底核（学習）
ディープラーニング・・・・・・・・・・強化学習
前頭葉（認知判断）・・・・・・・・・・海馬（短期記憶）記憶と予測
ワーキングメモリの処理・・・・・・・・反復計算
偏桃体（情動）・・・・・・・・・・・・小脳（運動）
強化学習に情報を与える・・・・・・・・教師あり学習
記憶力が判断力の決め手？
海馬（ちょっとした未来を予測する）→知能の中心
それがないと危なくてしょうがない（初めて外国に行った時の運転）
フレッド・アルメイダさん 2020年までにある程度使えるものを出したい。
現在100名ほどの集団
ラケル・ウルタスン
人間ができることはAIにもできると思います。肝心なのは正しいアルゴリズムと十分なデータ。今はまだ脳を再現する方法が見つかっていませんが解決方法は存在するはずです。なぜなら人間の脳もアルゴリズムで表現できるしアルゴリズムがあればAIで再現できるからです。AIが人間の脳のように課題を解決するのは時間の問題です。
転移学習（松尾先生）
深層学習
深いニューラル・ネットワークを使って学習する。
転移学習
シミュレータの学習を実際の運転で生かすうえで欠かせない手法。そして実地での訓練に移行。信号や人間を認識できるようになった。猫を見分けられるようになった。ニューラルネットワークを使って歩行者やほかの車を認識できるようになる。これを転移学習という。（過去の学習を転用する）あるところで作ったモデルを他の所でも転移していくというのが当たり前になる。効率的にできるようになる。AIは1度学習したら忘れない。1度運転できるようになったらったらほかの乗り物でもできるようになる。台車にも転用できる。（目と頭脳を持ち合わせている）オフィスの荷物運びにも転移できる。
かわいい→感情移入→本能（日本人特有）
もうちょっと車っていろいろあっていい。
小型化する可能性→衝突被害の軽減
歩くことをやめる。
選択肢が増える。
自ら移動する必要がなくなっても移動をやめない。
本当の「自動」車。
次回は「勝負する」。
←人気ブログランキングに参加しています。よろしければ１票を！
