ようこそ!浜村拓夫の世界へ

    ブログ内検索

    最近の記事

    ブックマーク数の多い記事

    Blog Translation

    Powered By FC2ブログ

    Powered By FC2ブログ
    ブログやるならFC2ブログ


    FC2ブログ LOGIN

    with Ajax Amazon

    スポンサーサイト

    このエントリーを含むはてなブックマーク はてなブックマーク - スポンサーサイト あとで読む
    上記の広告は1ヶ月以上更新のないブログに表示されています。
    新しい記事を書く事で広告が消せます。

    「手抜き」と「自動化」の違い

    このエントリーを含むはてなブックマーク はてなブックマーク - 「手抜き」と「自動化」の違い あとで読む
    最近、人工知能(AI)が発展して、いろいろな分野で自動化が進んでいる。
    自動化には、どんなメリットやデメリットがあるだろうか?
    「手抜き」と「自動化」は、どこが違うのだろうか?

    ディープラーニングでキュウリを選別する人工知能搭載仕分け機が開発中 - GIGAZINE

    現在で最も華やかなコンピューター技術と言えば、ディープラーニングを用いた人工知能と言えますが、農業の分野にもそんな波は訪れようとしているようです。
    元制御システム開発者で、現在は家業であるキュウリ農家を営んでいる小池誠さんは、GoogleのTensorFlowを使って学習させたAIを駆使することで、収穫されたキュウリを自動で選別して等級ごとに仕分けする装置を開発しています。



    ●定義
    てぬき【手抜き】の意味 - goo国語辞書

    [名](スル)
    1 しなければならない手続きや手間を故意に省くこと。「仕事を―する」「―工事」



    じどうか【自動化】の意味 - goo国語辞書

    [名](スル)人手によらず、機械やコンピューターによる処理方式に変えること。「製造工程の―を実現する」



    ●事例
    ガラス瓶のひび割れ検査を行う場合、
    ・手抜き = 100本の瓶のうち、80本は検品するけど、残り20本は検品しないで正常品に入れる。
    ・自動化 = 人間の代わりに機械で検品を行う。100本の瓶は全て検品する。

    つまり、
    手抜きは、するべき仕事を全てやらない。
    自動化は、するべき仕事を全てやる。
    という違いがある。

    ●怠惰と勤勉
    ・怠惰な人は、手抜きを行う。 =仕事を全てやらない。
    ・勤勉な人は、自動化を行う。 =仕事を全て行う。

    自動化とは、怠惰な人が行うものではない。
    自動化とは、勤勉な人が行う「工夫」なのである。

    「自動化」を実現するには、仕組みの研究が必要であり、努力が必要になる。
    したがって、自動化を忌み嫌い、避けようとする人は、勤勉とは言えず、むしろ怠惰であると言えよう。

    ●自動化の恩恵
    AIによる受注業務の自動化 - 浜村拓夫の世界

    AIによって、人間の仕事が減ったとしても、人間はもっと他の作業に専念すれば良い。
    AIを活用して、人間を支援し、人間ができることを拡張していきたい。



    自動化を徹底して、浮いた時間は、もっと他のことに当てれば良い。
    人間は、余暇を活かして、さらなる向上に邁進すべきだろう。

    人生が無限ならば、いくらでも時間を浪費しても構わないかもしれない。
    しかし、現実の人生は有限である。
    したがって、「簡単にできることを複雑にやる必要はない。」

    自動化を徹底することで、人類がより有意義な時間を過ごせるようになれば、素晴らしいことだ。


    第四次産業革命 - ロボット、AIであなたの生活、仕事はこう変わる - (ワニブックスPLUS新書)
    西村 康稔
    ワニブックス
    2016-08-29
    ¥ 950

    スポンサーサイト

    AIによる受注業務の自動化

    このエントリーを含むはてなブックマーク はてなブックマーク - AIによる受注業務の自動化 あとで読む
    AI(人工知能)が発展すると、将来なくなるであろう業種が予想されている。
    人間の代わりに、AIでも処理できる仕事が、今後ますます増えていく。

    オックスフォード大学が認定 あと10年で「消える職業」「なくなる仕事」(週刊現代) | 現代ビジネス | 講談社(1/5)

    機械・人工知能・AIが奪う、なくなる職業・仕事のランキング| IDEASITY

    小売店販売員
    会計士
    一番事務員
    セールスマン
    一般秘書
    飲食カウンター接客係
    商店レジ打ち係や切符販売員
    箱詰め積み降ろしなどの作業員
    帳簿係などの金融取引記録保全員
    大型トラック・ローリー車の運転手
    コールセンター案内係
    乗用車・タクシー・バンの運転手
    中央官庁職員など上級公務員
    調理人(料理人の下で働く人)
    ビル管理人



    今の段階でさえ、Amazonで商品を買うとき、注文画面をタッチ/クリックすれば済む。
    同様に、物流の世界も、人間が関与しなくても回るようになって、プロセスがどんどん自動化されていくだろう。

    インターネットによって、販売業は通販が増えて、人間による接客から、コンピューターによる接客へと変わりつつある。
    物販における受注業務は、将来、どのように自動化されていくのだろうか?

    ●AIによるSCMの自動最適化
    一つの予想として、AIによるSCMの自動化を検討してみよう。

    SCMとは|サプライチェーンマネジメント|SCMシステム|サプライチェーン管理 - IT用語辞典

    SCMとは、自社内あるいは取引先との間で受発注や在庫、販売、物流などの情報を共有し、原材料や部材、製品の流通の全体最適を図る管理手法
    また、そのための情報システム。

    原料・材料が部品や半製品に加工され、最終製品が生産されて顧客に販売されるまでのモノの流れのことを「サプライチェーン」(supply chain:供給連鎖)という。
    このチェーンの端から端までの間には通常たくさんの企業や部署が関わっており、情報システムなどを通じて各主体の間で情報を共有し、需要変動などに素早く対応することにより流通の効率化を進めることをSCMという。



    製品の製造から販売に至る一連の流れ(SCM)を、最適化&自動化するには、
    (1) 全体の見える化
    (2) 隣接するプロセスの連携を保つコンパートメントモデル
    (3) ボトルネックの解消
    の3点について、改善が必要になるだろう。

    上記の3つは、(1)によって(2)が改善され、(2)によって(3)が改善される、という芋づる式のつながりになっている。

    「生産ラインの見える化」への道(6) - 「顧客からの生産ラインの見える化」 | リーン生産方式(トヨタ生産方式)ノウハウ lean-manufacturing

    「顧客からの生産ラインの見える化」 アスプローバ株式会社

    「顧客からの生産ラインの見える化」

    アスプローバ株式会社 副社長 兼 上海総経理 藤井賢一郎

     生産ラインの“見える化”は、工場管理者だけのものではありません。
    顧客が販売店であれセットメーカーであれ、工場への発注の進捗状況は、常に顧客に明らかにされていることが望ましいです。
    さらにいえば、現在の生産状況だけでなく、将来の計画も明らかな方がいいです。
    将来に渡っての納期回答が正確にできる製造業は、市場からの信頼感を獲得し、ビジネスチャンスが拡大するといえるでしょう。
     昨年、当社の生産スケジューラを導入されたある中国工場は、わずか3カ月で納期回答率100%を達成し、これまで顧客満足度工場のため用意していた製品在庫の半減に成功しました。
    さらに米国からのバイヤーが同社の生産ラインを見学し、その後大きな新規取引が生まれたそうです。
    しかし、生産スケジューラを導入したすべての工場が同社のように上手くいっているとはいえません。一体、両者の違いはどこにあるのでしょうか。
     元来、生産スケジューラが工場の経営に貢献できるのは、投入から出荷までの工場ラインの領域のみです。
    営業の見通しが甘い企業、顧客の無理な要求をコントロールできないラインでは、コンピュータシステムが活躍できる余地はありません。
    生産スケジューラの導入はそうした工場に対し、現状ラインのボトルネックの“見える化”に貢献することができます。
     ある精密機器製造の工場では、現状のデータによりプロトタイプを作成することで、原稿の問題点を“見える化”することに成功しました。
    各工程担当者が進捗情報を共有することで、お互いの生産量の同期化を図り、作り過ぎを避け、仕掛在庫を大幅に減少させることに成功したわけです。
    またこのラインでは、さらなる生産効率の向上のために、前工程の専用ラインからワークショップラインへの変更、中間在庫の安全在庫管理、最終検査工程での小ロット化など、生産方式そのものをも革新することができました。
     これらすべての改革は顧客の努力もありますが、生産スケジューラによるラインシミュレーションシステムが構築されていなければ実現できなかったともいえます。
    生産スケジューラは現状ラインへの生産指示だけでなく、生産シミュレーションとして利用することによりライン革新をも推進します。
     当社では、毎月中国各地で生産革新に関わるセミナーを開催しています。
    実際に生産スケジューラを導入いただいたお客様の事例講演などもございますので、定期的に当社ホームページ http://www.asprova.cn/ をご参照し、ぜひセミナーにご参加ください。



    近年のSCMは、見える化の範囲を拡大し、顧客に対する情報共有を進めていることが分かる。

    受注から納品に至るプロセスに、ステークホルダーである顧客が関与することで、自社スケジュール調整の負担を軽減のために、顧客の協力を引き出すことができる。
    Amazonでいえば、さしづめ、注文後の配送状況を顧客が閲覧できる、ということと同じであろう。

    見える化を進めた上で、在庫の組合せを最適化する部分(コンパートメント)に、AIの力を投入すれば、SCMの自動化は可能になるだろう。
    AIによって、人間の仕事が減ったとしても、人間はもっと他の作業に専念すれば良い。
    AIを活用して、人間を支援し、人間ができることを拡張していきたい。


    人工知能が変える仕事の未来
    野村 直之
    日本経済新聞出版社
    2016/11/16
    ¥ 2,376


    イラストで学ぶディープラーニング

    このエントリーを含むはてなブックマーク はてなブックマーク - イラストで学ぶディープラーニング あとで読む
    最近、人工知能の動向を理解しておくために、解説書を読みました。
    人工知能は人間を超えるか - 浜村拓夫の世界

    ディープラーニング(深層学習)について、分かりやすい本がありました。

    イラストで学ぶ ディープラーニング (KS情報科学専門書)
    山下 隆義
    講談社
    2016-02-23
    ¥ 2,808


    本書は、イラストで分かりやすい説明でした。

    ・ディープラーニング(深層学習)による人工知能の実現方法
    ・データの「特徴量」を自動的に取得する方法
    ・ディープラーニングでは、アルゴリズムよりもビッグデータが重要なので、アルゴリズムは公開しても構わない。
    ・ディープラーニング用の各種ライブラリーの使用方法を解説
    などについて、理解を深めました。

    Amazonのレビューを見ると、辛口の批判もあります。

    Amazon.co.jp: イラストで学ぶ ディープラーニング (KS情報科学専門書)の Amazon カスタマーさんのレビュー

    「中途半端な」深層学習本という印象です。
    2016/5/5
    投稿者 Amazon カスタマー
    レビュー対象商品: イラストで学ぶ ディープラーニング (KS情報科学専門書) (単行本(ソフトカバー))

    深層学習のアルゴリズムをデータ解析に活用しようと思っている医学部生です。
    この本を読む前は「back propagation」や「convolution」などの用語をかじっている程度で実践的な知識ではなく、理論的な理解&簡単な実装例を求めて購入しました。
    理論の大枠を理解するのには役だちましたが、すでに指摘が出ているように、定義なしに記号が用いられており、説明のない式が散見されました。結局これらは他の本で理解しました。
    深層学習を初めて学ぶ人が概略的に利用する「参考書」には良いかと思いますが、深層学習の徹底理解には内容が薄すぎます。



    ・ディープラーニングの概要
    ・ディープラーニングの各種ライブラリーの利用方法の概要
    を、イラストでまとめてある入門書として、割り切って読むべきなのでしょう。

    →総論を本書で押さえ、詳細な各論は、別途専門書に当たればOK

    ●目次
    イラストで学ぶ ディープラーニング | 書籍情報 | 株式会社 講談社サイエンティフィク

    第1章 序論
     1.1 ディープラーニングとは
     1.2 注目のきっかけ
     1.3 なぜディープラーニングなのか
     1.4 何がディープラーニングなのか
     1.5 本書の構成

    第2章 ニューラルネットワーク
     2.1 ニューラルネットワークの歴史
     2.2 マカロック-ピッツの素子モデル
     2.3 パーセプトロン
     2.4 多層パーセプトロン
     2.5 誤差逆伝播法
     2.6 誤差関数と活性化関数
     2.7 尤度関数
     2.8 確率的勾配降下法
     2.9 学習係数
     2.10 まとめ

    第3章 畳み込みニューラルネットワーク
     3.1 畳み込みニューラルネットワークの構成
     3.2 畳み込み層
     3.3 プーリング層
     3.4 全結合層
     3.5 出力層
     3.6 ネットワークの学習方法  
     3.7 まとめ

    第4章 制約ボルツマンマシン
     4.1 ホップフィールドネットワーク
     4.2 ボルツマンマシン
     4.3 制約ボルツマンマシン
     4.4 コントラスティブ・ダイバージェンス
     4.5 ディープ・ビリーフ・ネットワーク 
     4.6 まとめ

    第5章 オートエンコーダ
     5.1 オートエンコーダ
     5.2 デノイジング・オートエンコーダ
     5.3 スパース・オートエンコーダ
     5.4 スタックド・オートエンコーダ
     5.5 事前学習への利用 
     5.6 まとめ

    第6章 汎化性能を向上させる方法
     6.1 学習サンプル
     6.2 前処理
     6.3 活性化関数
     6.4 ドロップアウト
     6.5 ドロップコネクト 
     6.6 まとめ

    第7章 ディープラーニングのツール
     7.1 ディープラーニングの開発環境
     7.2 Theano
     7.3 Pylearn2
     7.4 Caffe
     7.5 学習システム -DIGITS-
     7.6 Chainer
     7.7 TensorFlow 
     7.8 まとめ

    第8章 ディープラーニングの現在・未来
     8.1 ディープラーニングの実用事例
     8.2 ディープラーニングの先に 
     8.3 まとめ


    人工知能は人間を超えるか

    このエントリーを含むはてなブックマーク はてなブックマーク - 人工知能は人間を超えるか あとで読む
    人工知能の発展史について、分かりやすい解説本がありました。

    ・機械学習
    ・ディープラーニング
    の違いなどを説明。

    人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)
    松尾 豊
    KADOKAWA/中経出版
    2015-03-11
    ¥ 1,512


    ●目次

    人工知能は人間を超えるか――ディープラーニングの先にあるもの

    はじめに 人工知能の春

    序章 広がる人工知能 ―― 人工知能は人類を滅ぼすか
     ・人間を超え始めた人工知能
     ・自動車も変わる、ロボットも変わる
     ・超高速処理の破壊力
     ・人工知能はSF作家になれるか
     ・人工知能への研究投資も世界中で加速
     ・職を失う人間
     ・人類にとっての危機が到来する
     ・この本の読み方

    第1章 人工知能とは何か ―― 専門家と世間の認識のズレ
     ・まだできていない人工知能
     ・基本テーゼ:人工知能は「できないわけがない」
     ・人工知能とは何か ―― 専門家の整理
     ・人工知能とロボットの違い
     ・人工知能とは何か ―― 世間の見方
     ・アルバイト・一般社員・課長・マネジャー
     ・強いAIと弱いAI

    第2章 「推論」と「探索」の時代 ―― 第1次AIブーム
     ・ブームと冬の時代
     ・「人工知能」という言葉が誕生
     ・探索木で迷路を解く
     ・ハノイの塔
     ・ロボットの行動計画
     ・相手がいることで組み合わせが膨大に
     ・チェスや将棋で人間に勝利を飾る
     ・[秘訣1] よりよい特徴量が発見された
     ・[秘訣2] モンテカルロ法で評価の仕組みを変える
     ・現実の問題を解けないジレンマ

    第3章 「知識」を入れると賢くなる ―― 第2次AIブーム
     ・コンピュータと対話する
     ・専門家の代わりとなるエキスパートシステム
     ・エキスパートシステムの課題
     ・知識を表現するとは
     ・知識を正しく記述するために:オントロジー研究
     ・ヘビーウェイト・オントロジーとライトウェイト・オントロジー
     ・ワトソン
     ・機械翻訳の難しさ
     ・フレーム問題
     ・シンボルグラウンディング問題
     ・時代を先取りしすぎた「第五世代コンピュータ」
     ・そして第2次AIブームが終わった

    第4章 「機械学習」の静かな広がり ―― 第3次AIブーム(1)
     ・データの増加と機械学習
     ・「学習する」とは「分ける」こと
     ・教師あり学習、教師なし学習
     ・「分け方」にもいろいろある
     ・ニューラルネットワークで手書き文字を認識する
     ・「学習」には時間がかかるが「予測」は一瞬
     ・機械学習における難問
     ・なぜいままで人工知能が実現しなかったのか

    第5章 静寂を破る「ディープラーニング」 ―― 第3次AIブーム(2)
     ・ディープラーニングが新時代を切り開く
     ・自己符号化器で入力と出力を同じにする
     ・日本全国の天気から地域をあぶりだす
     ・手書き文字における「情報量」
     ・何段もディープに掘り下げる
     ・グーグルのネコ認識
     ・飛躍のカギは「頑健性」
     ・頑健性の高め方
     ・基本テーゼへの回帰

    第6章 人工知能は人間を超えるか ―― ディープラーニングの先にあるもの
     ・ディープラーニングからの技術進展
     ・人工知能は本能を持たない
     ・コンピュータは創造性を持てるか
     ・知能の社会的意義
     ・シンギュラリティは本当に起きるのか
     ・人工知能が人間を征服するとしたら
     ・万人のための人工知能

    終章 変わりゆく世界 ―― 産業・社会への影響と戦略
     ・変わりゆくもの
     ・産業への波及効果
     ・じわじわ広がる人工知能の影響
     ・近い将来なくなる職業と残る職業
     ・人工知能が生み出す新規事業
     ・人工知能と軍事
     ・「知識の転移」が産業構造を変える
     ・人工知能技術を独占される怖さ
     ・日本における人工知能発展の課題
     ・人材の厚みこそ逆転の切り札
     ・偉大な先人に感謝を込めて

    おわりに まだ見ぬ人工知能に思いを馳せて




    ●書評

    1603夜『人工知能は人間を超えるか』松尾豊|松岡正剛の千夜千冊
    本書に関連する情報、資料がよくまとめられています。


    『人工知能は人間を超えるか ディープラーニングの先にあるもの』松尾豊東京大学准教授セッション - YouTube

    【“人工知能は人間を超えるか”の続きを読む】

    FC2Ad

    上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。