• ビジネス
  • IT
  • テクノロジー
  • 医療
  • 建設・不動産
  • TRENDY
  • WOMAN
  • ショッピング
  • 転職
  • ナショジオ
  • 日経電子版
  • 日経BP

AIブームは「1本のメール」で始まった

3回目のブームが本物である理由

2017年5月24日(水)

  • TalknoteTalknote
  • チャットワークチャットワーク
  • Facebook messengerFacebook messenger
  • PocketPocket
  • YammerYammer

※ 灰色文字になっているものは会員限定機能となります

無料会員登録

close

 「数年前には考えられないような価格で手に入るようになったからだよ」

 米マサチューセッツ州ボストン。「世界最高レベルの病院」とも言われるマサチューセッツ総合病院で、最先端のAI(人工知能)医療が進んでいる。大量の画像をAIに学習させて、肺がんの早期発見や子供の骨年齢の分析をAIが担当する実験が、既に実証段階に入っている(詳細は特集第6回を参照)。

 なぜAIを使う医療が急激に進みつつあるのか。同病院のAIプロジェクトのディレクターを務めるマーク・ミカルスキ氏が率直に語ったのが、冒頭のコメントだ。

マサチューセッツ総合病院でAI医療の実証実験が進む

 同病院の一角にある臨床データサイエンスセンターには、2部屋ものサーバールームがある。中央にあるのは小型のスーパーコンピューター。1台1000万円程度で購入した。「数年前なら10倍以上の価格だった。1000万円で購入できるなら、病院だってAIを活用するチャンスが出てくる。企業もそうかもしれない。もう、外部のスーパーコンピューターに頼る必要はない。もうすぐ追加で数台、買う予定だ」。ミカルスキ氏はこう強調する。

 「ただ、課題はデータが不足していることだ」

 世界で最もAI医療が進んでいると言われるマサチューセッツ総合病院でさえ、実証段階に入っているのは肺がんと骨粗鬆症の2種類のプロジェクトのみ。AIの利用を検討している病気は20種類を超えるが、いずれも体内のスキャン画像などのデータの蓄積が足りず、現状ではAIを医療に使うのは難しいという。

コメント4件コメント/レビュー

フレーム問題により過去のブームが終わったとしながら、
なぜ同じ問題がこのブームにおいておきないのか、いま
一つ明確な説明がなされていいないように思う。

なるほど、とりあつかい現象にたいして全てのデータを
学習機械に入力し学習させることができれば、フレーム
問題は生じないのかもしれないが、しかしどのデータを
与えるのか決定した時点で、すでにフレーム問題は発生
している。

最近の成果である「碁」をうつ人工知能などは、
明らかにフレーム問題の内側にいるのである。

したがって、今回のブームもそう時間がかからずに終わる。
電化製品がマイコン制御になったように、
すでに機械学習の結果得られた制御器が様々なものを駆動
している。

しかし、ユーザの手にわたったものが、自律的に学習した
りは、ほぼしないだろう。日本語の漢字変換の学習でさえ
不完全な形でしかなされていないのである。うまくうごか
なかったとき、いつでもリセットしてもかまわない、その
程度のことでしか、学習機械は使われないだろう。(2017/06/04 19:02)

「AI 世界制覇の攻防」の目次

「AIブームは「1本のメール」で始まった」の著者

島津 翔

島津 翔(しまづ・しょう)

日経ビジネス記者

2008年東京大学大学院工学系研究科修了、日経BP社に入社。建設系専門誌である日経コンストラクション、日経アーキテクチュアを経て、2014年12月から日経ビジネス記者。担当分野は自動車、自動車部品。

※このプロフィールは、著者が日経ビジネスオンラインに記事を最後に執筆した時点のものです。

日経ビジネスオンラインのトップページへ

記事のレビュー・コメント

いただいたコメント

フレーム問題により過去のブームが終わったとしながら、
なぜ同じ問題がこのブームにおいておきないのか、いま
一つ明確な説明がなされていいないように思う。

なるほど、とりあつかい現象にたいして全てのデータを
学習機械に入力し学習させることができれば、フレーム
問題は生じないのかもしれないが、しかしどのデータを
与えるのか決定した時点で、すでにフレーム問題は発生
している。

最近の成果である「碁」をうつ人工知能などは、
明らかにフレーム問題の内側にいるのである。

したがって、今回のブームもそう時間がかからずに終わる。
電化製品がマイコン制御になったように、
すでに機械学習の結果得られた制御器が様々なものを駆動
している。

しかし、ユーザの手にわたったものが、自律的に学習した
りは、ほぼしないだろう。日本語の漢字変換の学習でさえ
不完全な形でしかなされていないのである。うまくうごか
なかったとき、いつでもリセットしてもかまわない、その
程度のことでしか、学習機械は使われないだろう。(2017/06/04 19:02)

ある種のブレークスルーが無いと、あと2年で終わると思ってます。(2017/05/30 12:30)

初歩的な解説記事としてはこんなものだろう。ただ,GPUがAIにどのように使われているかが今一つ判然としない。そもそもGPUについての理解が不十分な状況では十分な理解はおぼつかないかもしれない。私の知っている時代(30年前)にはベクトルプロセッサというのがあってスーパーコンピュータに使われていた。ベクトル演算を高速化する装置だが,結局汎用的計算の中心はスカラーなのでスカラープロセッサの高速化が重点課題になった。一方で並列処理を利用することで高速化を図る手法としてデータフローマシンもいくつか実用化された。画像処理用などに利用されたと記憶している。画像処理では「画素」を基本にし,「小領域」を「ベクトル」とみなして,圧縮などの処理を行う。この時にベクトル演算が多発し,専用プロセッサが高速化する余地があった。画像処理,あるいは画像認識においては,これを「ピラミッド構造」などの概念モデルで構造化することで処理,理解の送りつかを図る手法があった。この概念モデルを公理として認めたうえで「画像概念構造」をモデル化する場合は処理の定形化・規格化が図れるためハードウェア化高速化が可能になる。ただし,この「画像概念構造」と「概念モデルとしてのピラミッド構造」が充分に高い親和性を持って以内場合には処理が発散したり,学習効率が低下したりするため,検定,検証が重要性を持ってくる。「ビックデータ」を扱う場合もただやみくもに高次元データを利用すれば所望の結果が得られるわけではない。人工知能の学習用データもいかに「意味のある」学習データを「大量に」集めるかが重要になるはずだ。したがって,ディープラーニングが「多階層」ニューラルネットだとするとどこかの時点で階層の疑似概念構造の意味を吟味する必要が生じるはずだ。この辺は学会での報告を確認するべきなのだろう。一般紙の読者を混乱さえることは確かに意味がない。とはいえ,知識や情報としての「粒度」の高い「専門知識・専門的業務」ほどAIかしやすいのは概念構造や情報構造が明確化されているからだ。「組織は上からAI化する」という命題がなぜ吟味されなければならないかの説明ぐらいにはなるだろう。要するに「人間らしい行動・活動ほどAI化ししづらい」のだ。シンギュラリティは組織上部でこそ,喫緊の問題なのだ。(2017/05/25 11:54)

ビジネストレンド

ビジネストレンド一覧

閉じる

いいねして最新記事をチェック

閉じる

日経ビジネスオンライン

広告をスキップ

名言~日経ビジネス語録

日本の経営者は、経験を積んだ事業なら 失敗しないと思い込む傾向がある。

三品 和広 神戸大学教授