月別アーカイブ: 2019年1月

Amazonは宅配ロボット「Scout」の運用を開始、人に代わりロボットが商品を配達する

Amazonは配送ラストマイルを担うロボット「Amazon Scout」の実証実験を始めた。Amazonで購入した商品は人間ではなくロボットが配送する。既に多くのベンチャー企業が配送ロボットを開発しているが、Amazonの参入で技術競争が激しくなる。同時に、AmazonがScout投入したことは、商品の宅配をロボットが担う時代が到来したことを意味する。

出典: Amazon

Amazon Scoutの概要

Amazonは2019年1月、配送ロボットAmazon Scout (上の写真)を発表した。Scoutはクーラーボックスに車輪が六つ付いた形状で、自動運転車のように自立走行する。Scoutは歩道を人が歩くくらいの速さで進み、注文を受けた商品を消費者宅まで配送する。プライム会員向けのサービスで、Amazonで買い物をして同日配送などのオプションを選択すると、Scoutがその商品を無料で配送する。

トライアルを開始

Amazonは6台のScoutを使ってSnohomish County(ワシントン州)でトライアルを始めた。Scoutの運用は月曜日から金曜日までの日中に限られる。注文を受けるとScoutが最適ルートを算定し、自動走行して商品を宅配する。当初は、Amazonのスタッフが安全確認のためにロボットに随行する。

商品の受け取り

Scoutが配送先に到着すると消費者宅の玄関前の歩道に停止する。消費者のスマホにメッセージが送信され、Scoutが到着したことを知らせる。消費者はアプリを操作(PINの入力か)してScoutの貨物ベイのカバーを開き、商品を取り出す(下の写真)。Scoutは商品が取り出されたのを確認して、カバーを閉めて、自律的に帰還する。

出典: Amazon

住民サービスの向上

Scoutはシアトルのアマゾン研究所で開発された。Scoutは歩道を自律走行し、路上のペットや歩行者をよけて安全に移動する。Snohomish CountyはScoutによる商品配送を歓迎するとのコメントを出している。住民サービスが向上するとともに、環境にやさしい方式での配送に期待を寄せている。

地方政府の評価が分かれる

一方、配送ロボットを歓迎しない自治体も少なくない。サンフランシスコは配送ロボットが歩道を走行することを禁止している。市街地では歩道の幅は狭く、配送ロボットが高齢者や身体障碍者の通行を妨げる、というのがその理由。反対に、配送ロボットを積極的に受け入れる自治体は多い。上記に加え、シリコンバレーのMountain ViewやSunnyvaleは配送ロボットが次世代インフラを支える基礎技術と評価し、実証実験を進めている。

技術的課題課題

Scoutなど配送ロボットは歩道を走行して商品を配送する仕組みとなる。歩道の走行は一般道路の走行より難しいとされる。歩道は狭く歩行者で込み合っている。更に、人は歩道を整然と歩くのではなく、ロボットが予測できない行動を取る。歩道を集団で歩いたり、商店から歩道に飛び出すことも珍しくない。歩道にはカフェのテーブルや自転車などが置かれており、配送ロボットはこれらの事象を理解して対応することが求められる。

受け取り手順の問題

更に、人間でなくロボットが商品を届けると、受取手順が問題になる。高級住宅地では敷地に入る際にマニュアルでゲートを開ける必要がある。また、アパート形式の建物では配送ロボットは玄関先まで行くことができない。戸建ての住宅であっても、到着した際に、受取人が不在の時は配送ロボットは荷物を玄関先に置いておくことができない。配送ロボットが通行人によりいたずらをされるケースも報告されている。今後、実証試験などを通してこれらの課題を解決する必要がある。

実際に事故が発生

ロボットが生活に入ってくる中、全米各地で事故が報告されている。Washington(コロンビア特別区)のショッピングモールGeorgetown Waterfrontで、警備ロボット「Knightscope」はステップで転倒し池に転落した(下の写真)。警備ロボットの厳格なイメージが傷つき、企業はハードウェア以上のダメージを受けた。

また、配送ロボット「KiwiBot」はBerkeley(カリフォルニア州)で配送中に突然火を噴きだし火災となった。消防が駆け付ける前に周囲の通行人が消し止め大事には至らなかったが、企業イメージの低下は避けられない。これらの事故が示しているように、ロボットの技術完成度はまだまだ未熟で、抜本的な技術革新が求められる。

出典: Bilal Farooqui

ロボット配送時代に

Amazonはラストマイルの配送ではドローン「Prime Air」の技術開発を早くから始めているが、ロボット配送では市場参入が遅れた。AmazonがこのタイミングでScoutを投入したことは、配送ロボット市場の機が熟したと判断したのかもしれない。解決すべき課題は多いが、Amazonの参入で市場が活性化し、一気にロボット配送の時代に突入する予兆を感じる。

2035年不老不死の技術が登場!? もう15年健康でいれば永遠に生きられる

Ray Kurzweilは2045年にSingularityに到達し、AIが人間の知能を追い越すと予測する。また、Kurzweilは2035年までに人類は不老不死の技術を手に入れると予測している。これは「Longevity Escape Velocity」という考え方で、我々が一つ歳を取るうちに、技術進化で寿命が一年以上伸びることを意味する。つまり、我々は老いるより早く若返ることを意味し、あと15年元気であればこのポイントに到達する。

出典: MIT

旧約聖書創世記

旧約聖書(Old Testament)の創世記(Genesis)に登場する原初の人類は寿命が格段に長い。最初の人間アダム(Adam)は930歳まで生きたと記されている。ノアの箱舟(Noah’s Arch)でなじみ深いノア(Noah)は950歳まで生きた。ノアは500歳で三人の子供をもうけ、600歳の時に神のお告げに従い箱舟を作り、家族と他の動物たちと一緒に乗り込んだ。

寿命が短くなる

一方、箱舟を流した大洪水の後は聖書に登場する人物の寿命は徐々に短くなっていく。出エジプト記(Book of Exodus)で登場するモーゼ(Moses)は、虐げられていたユダヤ人(Israelite)を率いてエジプトから脱出するが120歳で亡くなっている。120歳が人間の寿命の限界と考えられる所以はここにある。(下のグラフ、旧約聖書に登場する人物の寿命をプロットしたもの。ノアからモーゼまで寿命は指数関数的に減衰(Exponential Decay)している。)

出典: Institute for Creation Research

寿命が短くなった理由：宗教的解釈

大洪水の前は長生きをしていのに、その後寿命が短くなっていくが、その理由について様々な解釈がある。その一つが、ノアの洪水の時、神は人間の寿命の上限を120歳に定めたという解釈。ノアの洪水からモーゼの出エジプトまでは750年の開きがあるが、この期間に寿命が950歳から120歳まで徐々に短くなった。これは神が介入(Devine Intervention)し遺伝子を操作し、それが年代を経て伝わり、寿命が徐々に短くなったという考え方で、宗教界ではこの解釈が一般的。

寿命が短くなった理由：生物学的解釈

一方、バイオロジーの観点からは、寿命が短くなったのは生物進化に原因があると解釈されている。人間にとって長寿はデメリットであるという考え方で、食料が不足していた時代には、若い世代を育てるために、高齢の世代は早く死んでいく。これにより食料が若い世代に行き渡り、子孫が繁栄できる。生物学的に理のかなったプロセスで、これがアカデミアの一般的な解釈となる。

Longevity Escape Velocity

食料が足りている今の時代に、120歳に制限された人間の寿命を延ばす研究が進んでいる。また、人間は何歳まで生きることができるのか議論が続いている。その一つが「Longevity Escape Velocity」という考え方で、長寿を達成するための仮定として議論される。具体的には、Longevity Escape Velocityは１年歳を取る間に、1年以上寿命が延びる状態を意味する。例えば、一つ歳を取る間に、寿命を二年延ばす技術が登場すると、人間は永遠の生命を手にすることになる。(下のグラフ、Longevity Escape Velocityを示したもので、縦軸が平均余命で、いま50歳以下の人は永遠に寿命が延びる。一方、いま80歳以上の人はこの恩恵にあずかれない。)

長寿技術の進化

Longevity Escape VelocityというコンセントはRay Kurzweilらが提唱したもので、人間の寿命を予測するためのモデルとなる。KurzweilはLongevity Escape Velocityへの到達は予想外に早く、もう10年から12年するとこの技術が登場すると述べている。また、これを達成するには抗がん剤などの医薬品では不可能で、バイオロジーの進化が必須となる。具体的には、超小型ロボット(Nanobot)を開発し、これらが免疫システムとして稼働する。超小型ロボットは白血球のようにがん細胞を見つけてそれを破壊する役割を担う。また、損傷した組織を修復する機能も持つ。

出典: Wikipedia

未来予測の手法

KurzweilのSingularityは世界の注目を集めているが、Longevity Escape Velocityについては知名度が低い。Longevity Escape VelocityはSingularityと同様に未来予測であり、どれだけの精度で的中できるのかはわからないが、Kurzweilの過去の実績を見ると八割の精度で予想を的中させている。Longevity Escape Velocityについても予測通りの未来が到来するのかもしれない。

結果を見届ける

つまり、Kurzweilの予測が正しければ、2035年ころまでにはLongevity Escape Velocityの技術が登場する。予想外に早く長寿の技術が登場し、あと15年ほど健康でいれば、不老不死の技術の恩恵を受けることができる。これはあくまでKurzweilの予測であるが、AIやバイオロジーが加速度的に進化する中、あと15年健康で暮らしてLongevity Escape Velocityの結果を見届けるのもいいかもしれない。

IBMはAIのロジックを可視化するクラウドを投入、Explainable AIで信頼できるAIモデルを構築

銀行や保険会社はAIを導入しプロセスを自動化する試みを進めている。しかし、AIのロジックはブラックボックスで、意思決定の仕組みが見えない。動作メカニズムが解明されない限り、AIを会社業務に導入できない。IBMはこの問題を解決するために最新のExplainable AIをクラウドで投入した。

出典: IBM

コールセンター

IBMはWatsonをベースとしたAIモデルを企業システムに展開している。その中で人気が高いのがAIコールセンターで、チャットボットがオペレーターに代わり電話を受ける。英国の大手銀行Royal Bank of Scotlandはチャットボット「Cora」を開発し、コールセンターで運用している。Coraは200以上の質問に対し1000通りの回答をすることができ、コールセンターの仮想オペレーターとして利用されている。Coraは進化を続け、次は顧客のファイナンシャルアドバイザーとしての展開が計画されている。

納税書類作成

米国の大手会計事務所H&R BlockはIBM Watsonを利用して納税申告書作成プロセスを最適化した(下の写真)。H&R Block社員が顧客と対面して申告書を作成する際に、Watsonが会話を理解して税金控除(Tax CreditsとTax Deductions)を提言する。米国の税制は複雑で法令は74,000ページに及び、毎年改定される。H&R Blockはこの法令と社員のノウハウでWatsonを教育し、AIが節税のポイントを発見する。

出典: IBM

データ保護規制へのコンプライアンス

カナダの大手情報会社Thomson ReutersはEU一般データ保護規則(General Data Protection Regulation)など準拠するため、AIツール「Data Privacy Advisor」をIBM Watsonで開発した。これは社内のコンサルタント向けのツールで、普通の言語で質問するとツールは言葉で回答を提示する。Thomson ReutersとIBMはデータ保護規則だけでなく、コンサルタントのノウハウでWatsonを教育した。GDPRなどデータ保護法が強化され、企業はマニュアルでの対応に限界を感じAIツールの開発に踏み切った。

AIの説明責任

企業は業務処理でAIを導入するが、そのアルゴリズムはブラックボックスで、重要な処理をAIに任せることができない。また、AIモデルを運用中に問題が発生すると、これを検知するメカニズムが必要となる。更に、問題の原因を突き止め、AIモデルを修正する機能も求められる。業務で使うAIには意思決定のロジックを分かりやすく説明する機能が必須となる。

OpenScaleを発表

市場からExplainable AIに対する要望が高まり、IBMはAIのブラックボックスを解明するクラウド「OpenScale」を発表した。OpenScaleは企業が運用するAIと連携して稼働し、AIモデルの処理プロセスを解明し、アルゴリズムの問題点を指摘する。また、OpenScaleは問題点を指摘するだけでなく、その対応策を提言する機能も有す。OpenScaleはIBM Cloudで提供され、企業が開発したAIモデルと連携して稼働する構造となる。

システム概要

OpenScaleはIBM ResearchとWatsonグループにより開発された。OpenScaleはAIの信頼性を増し、ロジックを明らかにすることを目的に設計された。具体的には、AIモデルに説明責任(explainability)、公平性(fairness)、ライフサイクル管理(lineage)の機能を付加する。OpenScaleは主要AI開発プラットフォームと連携して稼働し、Watson、Tensorflow、SparkML、AWS SageMaker、 AzureMLをサポートする。

バイアスの検知

OpenScaleは業務で稼働しているAIモデルを解析し、「Accuracy(判定精度)」と「Fairness(公平性)」を査定する。下の写真は自動車保険のAIモデルを解析した事例で、どこに問題点があるかを表示している。それぞれのタイルはAIモデルで、自動車保険業務で8つのモジュールが稼働している。これらAIモデルを解析し、OpenScaleはAccuracyとFairnessに関する問題(紫色のハッシュの部分)を指摘している。更に、タイル上部に赤文字で「Bias」と表示される。

出典: IBM

バイアスの原因

この指摘に従ってAIモデルをドリルダウンして判定のメカニズムを見ることができる。例えば「Claim Approval」というAIモデルをクリックすると、自動車保険の保険金請求に関する問題点が可視化される(下の写真)。ここにはAIモデルを教育したときのデータ構成が示されている。横軸が年齢で縦軸がデータ件数を示す。OpenScaleは24歳未満の加入者が公正に扱われていないと指摘する。この原因は教育データの数が不足しているためで、24歳未満の加入者のデータを追加してAIモデルを再教育する必要があることが分かる。

バイアスの説明

更に、OpenScaleは過去のトランザクションでAIモデルが判定した理由を説明する機能もある。自動車保険の保険金請求において、実際のトランザクションのデータをOpenScaleで解析することで、判定理由が示される。具体的には、保険金申請が認められなかった場合には、その理由が示される。実際、保険金請求処理で申請が認められなかった場合は、顧客にこの理由を説明することが法令で義務付けられており、OpenScaleを使うことで法令に順守できる。

出典: IBM

AIプラットフォーマーとなる

OpenScaleを投入したことは、IBMはAIのシステムインテグレータになることを表明したとも解釈できる。AI開発で遅れを取っているIBMであるが、オープンなアプローチででAIモデルを安全に稼働させるプラットフォーマーになる戦略を進めている。Googleを筆頭にシリコンバレーで怖いほどのAIが生み出されるが、東海岸の代表企業IBMは無秩序に増殖するAIを管理運営することをミッションとする。激しく進化するAIを企業が業務で安心して使えるための技術開発がIBMの新たな使命となる。

GANは極めて精巧なフェイクイメージを生成、作画メカニズムが分かりExplainable AIの研究が進展

AIは社会生活に多大な恩恵をもたらすが、その中身はブラックボックスで処理のプロセスが見えない。このためAIを安心して利用することができず、普及の足かせになっている。今年は説明責任を果たせるAIの研究が進む年となる。MITの研究チームはGenerative Adversarial Network (GAN)のアルゴリズムを解明し、AIの思考プロセスを明らかにした。

出典: Karras et al. (2017)

フェイクのセレブ

GANは写真撮影したように架空のオブジェクトをリアルに描き出すことで注目を受けている。例えば、セレブの写真をGANに入力しネットワークを教育すると、アルゴリズムは仮想のセレブを描き出す(上の写真)。どこかで見かけた顔のように思えるがこれらは実在の人物ではない。GANがセレブというコンセプトを学び想像で描いたもので、これらのイメージを検索しても該当する人物はでてこない。リアルとフェイクを見分けることができずGANに対して気味悪さを感じるが、AI研究の主要テーマとなっている。

AIアートが高値で売れる

GANが芸術作品を生み出し、それが高値で落札されたことで、一躍その手法に関心が集まった。フランスのAI芸術家集団「Obvious」はGANで絵画を生成する手法で芸術の普及に貢献している。その代表作「Edmond De Belamy」がChristie’sのオークションで$435,000で落札された(下の写真)。AIが生成した絵画に高値が付き市場を驚かせた。作品はある家族(Belamy Family)を描いたもので11点が制作され、その一点がこのEdmond De Belamy である。

出典: Christie’s

AIアートの著作権

AIが描いた絵画にどれだけの芸術的価値があるかが議論になっているが、同時に、AIが制作した作品の著作権は誰に帰属するかも問題となっている。このAIアートを制作したのはObvious社で、GANに古典的な肖像画15,000点を読み込ませアルゴリズムを教育した。GANは肖像画というコンセプトを学びアルゴリズムは新しい作品を創作した。

アルゴリズム開発者か利用者か

Obvious社が使用したGANはRobbie Barratという人物が開発し、オープンソースとしてGitHubに登録されている。誰でも自由にこのGANを使うことができるが、Obvious社はGAN開発者には触れず、ルール違反が指摘されている。そもそも、生成された絵画の著作権はアルゴリズム開発者にあるのか、それともアルゴリズム利用者にあるのか、議論となっている。

MIT-IBM Watson AI Lab

GANに関する多くの問題が未解決であるが、時代を変える技術として注目されている。また、GANのアルゴリズムはブラックボックスで、作画の仕組みを解明する動きが広がっている。MITの研究グループ「MIT-IBM Watson AI Lab」はGANのアルゴリズムの解明を進め、GANの思考メカニズムを明らかにした。GANはどのように学習し、どのように判断するかが特定でき、この研究がAIのブラックボックスを解明する大きな第一歩となった。

研究成果

研究成果は「GAN Dissection: Visualizing and Understanding Generative Adversarial Networks」として発表された。この研究でGANがオブジェクトを把握するメカニズムを解析し、それを可視化して示した。具体的には、ニューラルネットワークの中で、どのレイヤーのどのニューロン(ユニットと呼ぶ)が特定のオブジェクト(木や雲など)の生成に関係しているかを突き止めた。

ユニットの機能をオン・オフ

更に、特定したユニットの機能をオン・オフさせ、その効果を検証した。特定のユニットの機能を停止させることで、オブジェクトを取り去ることができることを示した。反対に、そのユニットの機能を強化することで、オブジェクトを追加できることも示した。(下の写真がその事例、左端がオリジナルのイメージで、木に関連するユニットの機能をオフ・オンすることで、木を削除(中央)したり、追加(右端)できる。)

出典: MIT-IBM Watson AI Lab

アルゴリズムは常識を学ぶ

特定されたユニットはオブジェクトを生成するだけでなく、オブジェクトに関する常識も学んでいる。例えば、ドアを追加する際には、建物のスタイルにマッチしたドアを生成する。更に、ドアを建物以外のオブジェクト(例えば空)に追加しようとしても、アルゴリズムはこれを拒否する(下の写真)。アルゴリズムは教育の過程で人間のように常識を得ることが示された。

出典: MIT-IBM Watson AI Lab  

応用事例

この技法を使うとイメージを容易に変更することができる。ユニットと家具や人物の関係を把握することで、イメージの品質を向上することができる。例えば、GANが生成した寝室(下の写真、左側上段)から家具や小物を削除することで綺麗なイメージ(下の写真、左側下段)が出来上がる。また、GANが生成した会議室(下の写真、右側上段)から人物や窓を取り除き新しいイメージの会議室(下の写真、右側下段)を生成できる。これらはピクセルを変換するのではなく、ニューラルネットワークの特定ユニットを操作することでイメージを変換する。

出典: David Bau et al

Explainable AIの研究が進展

このようにニューラルネットワークのユニットを操作することで、アルゴリズムがイメージを生成する仕組みの解明につながる。ニューラルネットワークは学習を積むことで、特定のオブジェクトを描くユニットを構成することが分かった。ドアを描くニューロンのグループを形成し、このユニットはドアの意味も理解し、背景にマッチしたドアを描く。高値で売れるAIアートを生成するアリゴリズムの開発に結び付くのか、ブラックボックスに光があたり、Explainable AIの研究が進み始めた。