◆ディープラーニングの今後の青写真

①画像

膨大な量の画像を読み取り、そこから特徴量を抽出し、オブジェクト概念として捉える

 

②マルチモーダル

映像やセンサー数値など画像以外の特徴を持つ多種多様なマルチモーダルなデータから

特徴量を抽出し、モデル化する。

2017年現在において、映像などの情報処理は、ディープラーニングを用いても、

人間並、人間以上の判断処理が困難である。

 

③ロボティクス（物理的行動）

ロボットとして、外界と物理的接点を持った状態で自分の行動データと外界世界の観測データを

セットにして、特徴量を抽出する。

AI（人工知能）がより人間社会で人間をサポートしたり、仕事の代行を行うには、ロボットとして

人間社会と接点を持つこととなる。

ゆえに実用的なAIとなるためには、ロボットとして、現実世界にある物理的環境の下で、人間並の

行動が取れるように新たな自己学習をモデリング化する能力が必要となる。

行動予測を処理し、行動計画を自ら立てる。

 

④インタラクション

外界と接し、試行錯誤する中で外界が変化する特徴量を引き出す。

 

⑤言語処理　言葉との紐付け（シンボルグラウンディング）

高次特徴量として、言語と紐付けて、人間並みのスムーズな会話を実現する。

言語理解、自動翻訳など。

 

これらの技術的壁を乗り越えて、AIは人間社会で初めて活躍できる存在と成る。

 

（文：加賀美　総善）