[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.88,0:00:04.89,Default,,0000,0000,0000,,これまではコンピューターに\N何かさせようと思ったら
Dialogue: 0,0:00:04.89,0:00:06.45,Default,,0000,0000,0000,,プログラムを書く\N必要がありました
Dialogue: 0,0:00:06.45,0:00:09.86,Default,,0000,0000,0000,,プログラミングはやったことが\Nないかもしれませんが
Dialogue: 0,0:00:09.86,0:00:13.36,Default,,0000,0000,0000,,やりたいことを\N実現するために
Dialogue: 0,0:00:13.36,0:00:16.73,Default,,0000,0000,0000,,コンピューターが\N行うべきことを
Dialogue: 0,0:00:16.73,0:00:19.09,Default,,0000,0000,0000,,事細かに指定してやる\N必要があります
Dialogue: 0,0:00:19.09,0:00:22.58,Default,,0000,0000,0000,,だから実現したいことの\N具体的なやり方を知らずに
Dialogue: 0,0:00:22.58,0:00:24.65,Default,,0000,0000,0000,,プログラムを書くというのは\N難しい話です
Dialogue: 0,0:00:24.65,0:00:28.13,Default,,0000,0000,0000,,それがこの写真の人物\Nアーサー・サミュエルが直面した問題でした
Dialogue: 0,0:00:28.13,0:00:32.21,Default,,0000,0000,0000,,1956年のこと 彼はチェッカーで\N自分に勝てるプログラムを
Dialogue: 0,0:00:32.21,0:00:34.55,Default,,0000,0000,0000,,作りたいと思いました
Dialogue: 0,0:00:34.55,0:00:36.59,Default,,0000,0000,0000,,しかしどうしたら\N自分より上手く
Dialogue: 0,0:00:36.59,0:00:40.39,Default,,0000,0000,0000,,チェッカーを指す手順を\N詳細に記述することができるでしょう？
Dialogue: 0,0:00:40.39,0:00:42.12,Default,,0000,0000,0000,,彼は良い方法を\N思いつきました
Dialogue: 0,0:00:42.12,0:00:45.84,Default,,0000,0000,0000,,コンピュータ自身を相手に\N何千回も
Dialogue: 0,0:00:45.84,0:00:48.36,Default,,0000,0000,0000,,チェッカーの対局をさせて\N自分で学ばせるんです
Dialogue: 0,0:00:48.36,0:00:51.54,Default,,0000,0000,0000,,これはうまくいきました\Nそのプログラムは実際
Dialogue: 0,0:00:51.54,0:00:55.56,Default,,0000,0000,0000,,1962年に コネチカット州チャンピオンを\N破ることができました
Dialogue: 0,0:00:55.56,0:00:58.53,Default,,0000,0000,0000,,だからアーサー・サミュエルは\N機械学習の父とも言え
Dialogue: 0,0:00:58.53,0:01:00.25,Default,,0000,0000,0000,,私自身 彼に\N多くを負っています
Dialogue: 0,0:01:00.25,0:01:03.01,Default,,0000,0000,0000,,というのも私は機械学習の応用を\N生業としているからです
Dialogue: 0,0:01:03.01,0:01:04.48,Default,,0000,0000,0000,,私が代表を務めていた
Dialogue: 0,0:01:04.48,0:01:07.87,Default,,0000,0000,0000,,Keggleには20万人以上の\N機械学習専門家が属しています
Dialogue: 0,0:01:07.87,0:01:09.92,Default,,0000,0000,0000,,Keggleでは
Dialogue: 0,0:01:09.92,0:01:13.63,Default,,0000,0000,0000,,かつて解かれたことのない課題を使って\N競技会を開催していて
Dialogue: 0,0:01:13.63,0:01:17.47,Default,,0000,0000,0000,,何百回となく\N成功を収めています
Dialogue: 0,0:01:17.47,0:01:19.94,Default,,0000,0000,0000,,そのような立場から\N機械学習には かつて何ができ
Dialogue: 0,0:01:19.94,0:01:23.89,Default,,0000,0000,0000,,今何ができて\N将来何ができるようになるか
Dialogue: 0,0:01:23.89,0:01:26.25,Default,,0000,0000,0000,,多くのことを\N学ぶことができました
Dialogue: 0,0:01:26.25,0:01:30.68,Default,,0000,0000,0000,,機械学習が商業的に大きな成功を収めた\N最初の例は Googleかもしれません
Dialogue: 0,0:01:30.68,0:01:33.78,Default,,0000,0000,0000,,Googleは\N機械学習を使った
Dialogue: 0,0:01:33.78,0:01:35.54,Default,,0000,0000,0000,,アルゴリズムによって
Dialogue: 0,0:01:35.54,0:01:38.44,Default,,0000,0000,0000,,情報を見つけられることを\N示しました
Dialogue: 0,0:01:38.44,0:01:42.32,Default,,0000,0000,0000,,それ以来 機械学習の商業的な成功事例が\Nたくさん生まれています
Dialogue: 0,0:01:42.32,0:01:44.16,Default,,0000,0000,0000,,AmazonやNetflixのような企業は
Dialogue: 0,0:01:44.16,0:01:47.88,Default,,0000,0000,0000,,機械学習を使って\Nユーザーが買いたいであろう商品や
Dialogue: 0,0:01:47.88,0:01:49.90,Default,,0000,0000,0000,,見たいであろう映画を\N提示していて
Dialogue: 0,0:01:49.90,0:01:51.70,Default,,0000,0000,0000,,その精度は\N時に不気味なくらいです
Dialogue: 0,0:01:51.70,0:01:53.66,Default,,0000,0000,0000,,LinkedInやFacebookは
Dialogue: 0,0:01:53.66,0:01:56.25,Default,,0000,0000,0000,,知り合いかもしれない人を示唆し\Nなぜ分かったのか
Dialogue: 0,0:01:56.25,0:01:58.23,Default,,0000,0000,0000,,当人には\N見当も付きませんが
Dialogue: 0,0:01:58.23,0:02:01.20,Default,,0000,0000,0000,,これも機械学習の力を\N使っているのです
Dialogue: 0,0:02:01.20,0:02:04.15,Default,,0000,0000,0000,,手順が事細かに\Nプログラミングされているのではなく
Dialogue: 0,0:02:04.15,0:02:07.40,Default,,0000,0000,0000,,どうすべきかをデータから学習する\Nアルゴリズムが使われています
Dialogue: 0,0:02:07.40,0:02:09.88,Default,,0000,0000,0000,,IBMのワトソンが\Nジェパディの世界チャンピオン
Dialogue: 0,0:02:09.88,0:02:13.74,Default,,0000,0000,0000,,２人を破ったのも\Nそのような方法によってで
Dialogue: 0,0:02:13.74,0:02:16.96,Default,,0000,0000,0000,,ご覧のような複雑な問いに\N答えることができました
Dialogue: 0,0:02:16.96,0:02:19.80,Default,,0000,0000,0000,,[2003年にこの町の国立博物館から古代の\N“ニムルドの獅子” が (その他多くの品とともに) 消えた]
Dialogue: 0,0:02:19.80,0:02:23.03,Default,,0000,0000,0000,,自動運転車が実現可能になったのも\N機械学習のお陰です
Dialogue: 0,0:02:23.03,0:02:25.86,Default,,0000,0000,0000,,たとえば木と歩行者を\N見分けるといったことが
Dialogue: 0,0:02:25.86,0:02:28.49,Default,,0000,0000,0000,,できる必要があります
Dialogue: 0,0:02:28.49,0:02:31.08,Default,,0000,0000,0000,,そのようなことの具体的な手順が\Nどうすれば書けるのか
Dialogue: 0,0:02:31.08,0:02:34.07,Default,,0000,0000,0000,,分かりませんが\N機械学習で可能になったのです
Dialogue: 0,0:02:34.07,0:02:36.68,Default,,0000,0000,0000,,事実この車は\N事故を起こすこともなく
Dialogue: 0,0:02:36.68,0:02:40.19,Default,,0000,0000,0000,,普通の公道を\N何百万キロも走行しています
Dialogue: 0,0:02:40.20,0:02:44.11,Default,,0000,0000,0000,,コンピューターは\N単に学べるだけでなく
Dialogue: 0,0:02:44.11,0:02:46.01,Default,,0000,0000,0000,,どうしたらできるのか
Dialogue: 0,0:02:46.01,0:02:48.85,Default,,0000,0000,0000,,分からないようなことも\N学ぶことができ
Dialogue: 0,0:02:48.85,0:02:51.73,Default,,0000,0000,0000,,人間よりも上手くなることも\Nあり得るのです
Dialogue: 0,0:02:51.73,0:02:55.93,Default,,0000,0000,0000,,機械学習で最も目覚ましい\N事例の１つは
Dialogue: 0,0:02:55.93,0:02:58.32,Default,,0000,0000,0000,,私がKeggleで主催した\Nプロジェクトで
Dialogue: 0,0:02:58.32,0:03:01.91,Default,,0000,0000,0000,,ジェフリー・ヒントン率いる
Dialogue: 0,0:03:01.91,0:03:03.46,Default,,0000,0000,0000,,トロント大のチームが
Dialogue: 0,0:03:03.46,0:03:06.14,Default,,0000,0000,0000,,薬を発見する競技に\N優勝した時です
Dialogue: 0,0:03:06.14,0:03:08.99,Default,,0000,0000,0000,,これがすごいのは\N医薬大手のメルク社や
Dialogue: 0,0:03:08.99,0:03:13.00,Default,,0000,0000,0000,,この分野の専門家チームの\N開発したアルゴリズムを破った彼らのチームに
Dialogue: 0,0:03:13.00,0:03:18.06,Default,,0000,0000,0000,,化学や生物学やライフサイエンスを\Nちゃんと学んだ経験のある人が誰もいなかったことで
Dialogue: 0,0:03:18.06,0:03:20.23,Default,,0000,0000,0000,,しかも たった２週間で\Nやってのけたのです
Dialogue: 0,0:03:20.23,0:03:21.61,Default,,0000,0000,0000,,どうして可能だったのか？
Dialogue: 0,0:03:22.42,0:03:25.34,Default,,0000,0000,0000,,ディープ・ラーニングと呼ばれる\Nアルゴリズムを使ったのです
Dialogue: 0,0:03:25.34,0:03:28.29,Default,,0000,0000,0000,,ことの重大さは 数週間後に\Nニューヨークタイムズ紙の
Dialogue: 0,0:03:28.29,0:03:31.41,Default,,0000,0000,0000,,一面で取り上げられたことでも\N分かると思います
Dialogue: 0,0:03:31.41,0:03:34.15,Default,,0000,0000,0000,,画面の左に出ているのが\Nジェフリー・ヒントンです
Dialogue: 0,0:03:34.15,0:03:38.49,Default,,0000,0000,0000,,ディープ・ラーニングというのは\N人の脳の仕組みを参考にしたアルゴリズムで
Dialogue: 0,0:03:38.49,0:03:40.30,Default,,0000,0000,0000,,何が可能かについて
Dialogue: 0,0:03:40.30,0:03:44.14,Default,,0000,0000,0000,,理論的には限界がありません
Dialogue: 0,0:03:44.14,0:03:46.96,Default,,0000,0000,0000,,より多くのデータと\N処理時間を使うほど
Dialogue: 0,0:03:46.96,0:03:48.28,Default,,0000,0000,0000,,より良い結果が得られます
Dialogue: 0,0:03:48.28,0:03:50.62,Default,,0000,0000,0000,,ニューヨークタイムズは\Nその記事でもう１つ
Dialogue: 0,0:03:50.62,0:03:52.86,Default,,0000,0000,0000,,ディープ・ラーニングのすごい事例を\N取り上げています
Dialogue: 0,0:03:52.86,0:03:55.57,Default,,0000,0000,0000,,それをこれからお見せしましょう
Dialogue: 0,0:03:55.57,0:04:00.51,Default,,0000,0000,0000,,コンピューターが人の話を聞いて\N理解できることを示すものです
Dialogue: 0,0:04:00.51,0:04:03.22,Default,,0000,0000,0000,,(ビデオ) このプロセスの\N最後に加えたいステップは
Dialogue: 0,0:04:03.22,0:04:06.25,Default,,0000,0000,0000,,実際に中国語で
Dialogue: 0,0:04:06.25,0:04:10.96,Default,,0000,0000,0000,,話させるということです
Dialogue: 0,0:04:10.96,0:04:13.60,Default,,0000,0000,0000,,ここで鍵になるのは
Dialogue: 0,0:04:13.60,0:04:18.60,Default,,0000,0000,0000,,中国語話者から得た\N膨大な情報を使って
Dialogue: 0,0:04:18.60,0:04:21.13,Default,,0000,0000,0000,,中国語のテキストを\N音声に変える
Dialogue: 0,0:04:21.13,0:04:25.80,Default,,0000,0000,0000,,音声合成システムを作り
Dialogue: 0,0:04:25.80,0:04:29.93,Default,,0000,0000,0000,,１時間ほどの\N私自身の声のデータを使って
Dialogue: 0,0:04:29.93,0:04:31.82,Default,,0000,0000,0000,,そのシステムを調整し
Dialogue: 0,0:04:31.82,0:04:36.36,Default,,0000,0000,0000,,まるで私が話しているかのようにする\Nということです
Dialogue: 0,0:04:36.36,0:04:38.90,Default,,0000,0000,0000,,まだ完璧なものではありません
Dialogue: 0,0:04:38.90,0:04:41.55,Default,,0000,0000,0000,,たくさんミスをします
Dialogue: 0,0:04:41.55,0:04:44.04,Default,,0000,0000,0000,,(音声合成された中国語訳)
Dialogue: 0,0:04:44.04,0:04:47.40,Default,,0000,0000,0000,,(拍手)
Dialogue: 0,0:04:49.45,0:04:53.02,Default,,0000,0000,0000,,この領域で為されるべきことは\Nまだたくさんあります
Dialogue: 0,0:04:53.02,0:04:56.67,Default,,0000,0000,0000,,(音声合成された中国語訳)
Dialogue: 0,0:04:56.67,0:05:00.10,Default,,0000,0000,0000,,(拍手)
Dialogue: 0,0:05:01.34,0:05:04.74,Default,,0000,0000,0000,,これは中国で行われた\Nカンファレンスでのものですが
Dialogue: 0,0:05:04.74,0:05:07.11,Default,,0000,0000,0000,,学会で拍手が\N沸き起こるというのは
Dialogue: 0,0:05:07.11,0:05:09.01,Default,,0000,0000,0000,,あまりないことです
Dialogue: 0,0:05:09.01,0:05:12.69,Default,,0000,0000,0000,,もっともTEDxは\Nもっと自由な雰囲気がありますが
Dialogue: 0,0:05:12.69,0:05:15.48,Default,,0000,0000,0000,,ご覧いただいたものはみんな\Nディープ・ラーニングで実現されました
Dialogue: 0,0:05:15.48,0:05:17.01,Default,,0000,0000,0000,,(拍手) どうも
Dialogue: 0,0:05:17.01,0:05:19.29,Default,,0000,0000,0000,,英語の文字起こしも\Nディープ・ラーニングだし
Dialogue: 0,0:05:19.29,0:05:22.70,Default,,0000,0000,0000,,右上の中国語に翻訳されたテキストも\Nディープ・ラーニングによるもので
Dialogue: 0,0:05:22.70,0:05:26.01,Default,,0000,0000,0000,,音声の合成にも\Nディープ・ラーニングが使われています
Dialogue: 0,0:05:26.01,0:05:29.24,Default,,0000,0000,0000,,ディープ・ラーニングは\Nこのようにすごいものです
Dialogue: 0,0:05:29.24,0:05:32.34,Default,,0000,0000,0000,,単一のアルゴリズムで\Nほとんど何でもできるように見えます
Dialogue: 0,0:05:32.34,0:05:35.45,Default,,0000,0000,0000,,この１年前にディープ・ラーニングが\N「見る」こともできると知りました
Dialogue: 0,0:05:35.45,0:05:40.22,Default,,0000,0000,0000,,ドイツ道路標識認識ベンチマーク\Nという奇妙な競技会で
Dialogue: 0,0:05:40.22,0:05:43.62,Default,,0000,0000,0000,,このような道路標識をディープ・ラーニングで\N識別できることが示されました
Dialogue: 0,0:05:43.62,0:05:45.71,Default,,0000,0000,0000,,他のアルゴリズムよりも
Dialogue: 0,0:05:45.71,0:05:47.47,Default,,0000,0000,0000,,上手く識別できた\Nというだけでなく
Dialogue: 0,0:05:47.47,0:05:50.19,Default,,0000,0000,0000,,このスコアボードにある通り\N２位の人間より
Dialogue: 0,0:05:50.19,0:05:52.04,Default,,0000,0000,0000,,２倍高い精度で\N識別できたんです
Dialogue: 0,0:05:52.04,0:05:54.04,Default,,0000,0000,0000,,2011年には\Nコンピューターが人よりも
Dialogue: 0,0:05:54.04,0:05:57.44,Default,,0000,0000,0000,,良く見ることができる事例が\N生まれたわけです
Dialogue: 0,0:05:57.44,0:05:59.49,Default,,0000,0000,0000,,それ以来いろんなことが\N起きています
Dialogue: 0,0:05:59.49,0:06:03.00,Default,,0000,0000,0000,,2012年にGoogleが発表したんですが\Nディープ・ラーニング・アルゴリズムが
Dialogue: 0,0:06:03.00,0:06:04.42,Default,,0000,0000,0000,,YouTubeビデオを見て
Dialogue: 0,0:06:04.42,0:06:07.86,Default,,0000,0000,0000,,１万６千台のコンピュータで\N１ヶ月 データ処理した結果
Dialogue: 0,0:06:07.86,0:06:12.22,Default,,0000,0000,0000,,コンピューターが「人」や\N「猫」といった概念を
Dialogue: 0,0:06:12.22,0:06:14.03,Default,,0000,0000,0000,,自分で学んだということです
Dialogue: 0,0:06:14.03,0:06:16.38,Default,,0000,0000,0000,,これは人が学習する方法に\N近いものです
Dialogue: 0,0:06:16.38,0:06:19.12,Default,,0000,0000,0000,,人は見たものを\N教えられて学ぶよりは
Dialogue: 0,0:06:19.12,0:06:22.45,Default,,0000,0000,0000,,むしろそれが何なのか\N自分で学んでいくものです
Dialogue: 0,0:06:22.45,0:06:25.82,Default,,0000,0000,0000,,2012年にはまた\N先ほど名前の出たジェフリー・ヒントンが
Dialogue: 0,0:06:25.82,0:06:28.68,Default,,0000,0000,0000,,有名なImageNet競技会で\N優勝しましたが
Dialogue: 0,0:06:28.68,0:06:32.82,Default,,0000,0000,0000,,これは150万の画像を\N何の写真か
Dialogue: 0,0:06:32.82,0:06:34.26,Default,,0000,0000,0000,,判別するというものです
Dialogue: 0,0:06:34.26,0:06:37.79,Default,,0000,0000,0000,,2014年の時点で\N画像認識の誤り率は
Dialogue: 0,0:06:37.79,0:06:39.24,Default,,0000,0000,0000,,6%までになっています
Dialogue: 0,0:06:39.24,0:06:41.27,Default,,0000,0000,0000,,これも人間より高い精度です
Dialogue: 0,0:06:41.27,0:06:45.04,Default,,0000,0000,0000,,機械はこの面で非常に良い仕事を\Nするようになっており
Dialogue: 0,0:06:45.04,0:06:47.31,Default,,0000,0000,0000,,商業的にも\N利用されています
Dialogue: 0,0:06:47.31,0:06:50.35,Default,,0000,0000,0000,,たとえばGoogleは\N去年フランス国内のすべての番地を
Dialogue: 0,0:06:50.35,0:06:54.93,Default,,0000,0000,0000,,２時間で地図に登録したと\N発表しました
Dialogue: 0,0:06:54.93,0:06:58.38,Default,,0000,0000,0000,,その方法は\Nストリートビューの画像を
Dialogue: 0,0:06:58.38,0:07:02.70,Default,,0000,0000,0000,,ディープ・ラーニング・アルゴリズムに食わせて\N所番地を識別させるというものです
Dialogue: 0,0:07:02.70,0:07:04.92,Default,,0000,0000,0000,,かつてなら どれほど時間を\N要したか分かりません
Dialogue: 0,0:07:04.92,0:07:08.27,Default,,0000,0000,0000,,何十人掛かりで\N何年もかかったでしょう
Dialogue: 0,0:07:08.27,0:07:10.18,Default,,0000,0000,0000,,こちらは中国の\NBaiduによるもので
Dialogue: 0,0:07:10.18,0:07:14.22,Default,,0000,0000,0000,,中国版のGoogle\Nのようなサービスです
Dialogue: 0,0:07:14.22,0:07:16.50,Default,,0000,0000,0000,,左上の画像は
Dialogue: 0,0:07:16.50,0:07:20.48,Default,,0000,0000,0000,,私がBaiduのディープ・ラーニング・システムに\Nアップロードしたものです
Dialogue: 0,0:07:20.48,0:07:24.25,Default,,0000,0000,0000,,下に並んでいるのは\Nシステムがその画像を理解して
Dialogue: 0,0:07:24.25,0:07:26.48,Default,,0000,0000,0000,,似た画像を集めた結果です
Dialogue: 0,0:07:26.48,0:07:29.22,Default,,0000,0000,0000,,類似画像は\N似たような背景や
Dialogue: 0,0:07:29.22,0:07:30.88,Default,,0000,0000,0000,,似た顔の向きを持ち
Dialogue: 0,0:07:30.88,0:07:32.66,Default,,0000,0000,0000,,同じく舌を出してる\Nものまであります
Dialogue: 0,0:07:32.66,0:07:35.70,Default,,0000,0000,0000,,ウェブページの文章によって\N見つけたものではありません
Dialogue: 0,0:07:35.70,0:07:37.11,Default,,0000,0000,0000,,アップしたのは\N画像だけです
Dialogue: 0,0:07:37.11,0:07:41.13,Default,,0000,0000,0000,,今やコンピュータは\N見た物を理解して
Dialogue: 0,0:07:41.13,0:07:42.75,Default,,0000,0000,0000,,何億という画像の\Nデータベースから
Dialogue: 0,0:07:42.75,0:07:46.31,Default,,0000,0000,0000,,リアルタイムで検索できるまでに\Nなっているのです
Dialogue: 0,0:07:46.31,0:07:49.54,Default,,0000,0000,0000,,コンピュータに「見る」ことができるというのは\Nどんな意味を持つのか？
Dialogue: 0,0:07:49.54,0:07:51.55,Default,,0000,0000,0000,,しかしできるのは\N見ることだけではありません
Dialogue: 0,0:07:51.55,0:07:53.62,Default,,0000,0000,0000,,ディープ・ラーニングには\Nそれ以上のことができます
Dialogue: 0,0:07:53.62,0:07:56.57,Default,,0000,0000,0000,,このような複雑で\Nニュアンスに富んだ文章を
Dialogue: 0,0:07:56.57,0:07:59.39,Default,,0000,0000,0000,,ディープ・ラーニング・アルゴリズムは\N理解できます
Dialogue: 0,0:07:59.39,0:08:00.70,Default,,0000,0000,0000,,ご覧いただいているのは
Dialogue: 0,0:08:00.70,0:08:03.46,Default,,0000,0000,0000,,スタンフォード大のシステムですが\N一番上の点が赤色になっていて
Dialogue: 0,0:08:03.46,0:08:07.38,Default,,0000,0000,0000,,文が全体としてネガティブな感情を\N表していることを示しています
Dialogue: 0,0:08:07.38,0:08:10.79,Default,,0000,0000,0000,,ディープ・ラーニングは今や\N文章が何について何を言っているのかを
Dialogue: 0,0:08:10.80,0:08:15.92,Default,,0000,0000,0000,,人間に近い精度で\N理解できるようになっているのです
Dialogue: 0,0:08:15.92,0:08:18.65,Default,,0000,0000,0000,,ディープ・ラーニングは\N中国語を読むのにも使われ
Dialogue: 0,0:08:18.65,0:08:21.81,Default,,0000,0000,0000,,中国語のネイティブ話者並の\N精度があります
Dialogue: 0,0:08:21.81,0:08:23.98,Default,,0000,0000,0000,,これを開発したのは\Nスイスのチームですが
Dialogue: 0,0:08:23.98,0:08:27.33,Default,,0000,0000,0000,,その中に中国語の分かる人は\Nいなかったそうです
Dialogue: 0,0:08:27.33,0:08:29.38,Default,,0000,0000,0000,,ディープ・ラーニングは\Nこれに関して
Dialogue: 0,0:08:29.38,0:08:31.60,Default,,0000,0000,0000,,ネイティブの人間にも劣らない
Dialogue: 0,0:08:31.60,0:08:36.72,Default,,0000,0000,0000,,最も優れたシステムなのです
Dialogue: 0,0:08:36.72,0:08:39.68,Default,,0000,0000,0000,,これは私の会社で\N構築したシステムで
Dialogue: 0,0:08:39.68,0:08:41.73,Default,,0000,0000,0000,,すべてを組み合わせたものです
Dialogue: 0,0:08:41.73,0:08:44.19,Default,,0000,0000,0000,,これらの画像には\Nテキストが紐付けされてはおらず
Dialogue: 0,0:08:44.19,0:08:46.54,Default,,0000,0000,0000,,ユーザーが文をタイプすると
Dialogue: 0,0:08:46.54,0:08:49.51,Default,,0000,0000,0000,,リアルタイムで画像を理解し
Dialogue: 0,0:08:49.51,0:08:51.19,Default,,0000,0000,0000,,何の画像かを判別して
Dialogue: 0,0:08:51.19,0:08:54.35,Default,,0000,0000,0000,,書き込まれた文に近い画像を\N見つけます
Dialogue: 0,0:08:54.35,0:08:57.11,Default,,0000,0000,0000,,だから私の書いた文と\Nこれらの画像を
Dialogue: 0,0:08:57.11,0:08:59.33,Default,,0000,0000,0000,,同時に理解しているわけです
Dialogue: 0,0:08:59.33,0:09:01.89,Default,,0000,0000,0000,,Googleのサイトで\N似たものを見たことがあるでしょう
Dialogue: 0,0:09:01.89,0:09:04.67,Default,,0000,0000,0000,,何かタイプすると\N画像が表示されますが
Dialogue: 0,0:09:04.67,0:09:08.09,Default,,0000,0000,0000,,そこで実際に行われているのは\Nテキストによるウェブページの検索です
Dialogue: 0,0:09:08.09,0:09:11.09,Default,,0000,0000,0000,,画像を理解するというのとは\Nずいぶん違うことです
Dialogue: 0,0:09:11.09,0:09:13.84,Default,,0000,0000,0000,,このようなことが\Nできるようになったのは
Dialogue: 0,0:09:13.84,0:09:17.09,Default,,0000,0000,0000,,ほんのここ数ヶ月のことです
Dialogue: 0,0:09:17.09,0:09:21.18,Default,,0000,0000,0000,,コンピューターには「見る」だけでなく\N「読む」こともでき
Dialogue: 0,0:09:21.18,0:09:24.95,Default,,0000,0000,0000,,「聞く」ことによって理解できることも\Nお見せしました
Dialogue: 0,0:09:24.95,0:09:28.39,Default,,0000,0000,0000,,そうすると「書く」ことだってできると言っても\N驚かないかもしれません
Dialogue: 0,0:09:28.39,0:09:33.17,Default,,0000,0000,0000,,これは私が昨日 ディープ・ラーニング・\Nアルゴリズムで生成したテキストです
Dialogue: 0,0:09:33.17,0:09:37.10,Default,,0000,0000,0000,,こちらはスタンフォード大のアルゴリズムで\N生成されたテキストです
Dialogue: 0,0:09:37.10,0:09:38.86,Default,,0000,0000,0000,,それぞれの画像を\N説明する文が
Dialogue: 0,0:09:38.86,0:09:43.11,Default,,0000,0000,0000,,ディープ・ラーニング・アルゴリズムによって\N生成されています
Dialogue: 0,0:09:43.11,0:09:47.58,Default,,0000,0000,0000,,アルゴリズムは「ギターを弾いている黒いシャツの男」を\N前に見たことはありません
Dialogue: 0,0:09:47.58,0:09:49.80,Default,,0000,0000,0000,,「男」を見たことはあり\N「黒い」ものを見たことはあり
Dialogue: 0,0:09:49.80,0:09:51.40,Default,,0000,0000,0000,,「ギター」を見たことはありますが
Dialogue: 0,0:09:51.40,0:09:55.69,Default,,0000,0000,0000,,このキャプションは画像に対して\N新しく独自に作り出されたものです
Dialogue: 0,0:09:55.69,0:09:59.20,Default,,0000,0000,0000,,書くことに関してはコンピューターは\Nまだ人間に及びませんが 近づいています
Dialogue: 0,0:09:59.20,0:10:03.26,Default,,0000,0000,0000,,テストでは４回に１回は\Nコンピューターの生成した文の方が好ましい —
Dialogue: 0,0:10:03.26,0:10:04.79,Default,,0000,0000,0000,,という結果になっています
Dialogue: 0,0:10:04.79,0:10:06.86,Default,,0000,0000,0000,,このシステムはできて\Nまだ２週間しかたっていないので
Dialogue: 0,0:10:06.86,0:10:08.70,Default,,0000,0000,0000,,このまま行くと\Nたぶん来年中には
Dialogue: 0,0:10:08.70,0:10:11.50,Default,,0000,0000,0000,,コンピューターアルゴリズムの成績が
Dialogue: 0,0:10:11.50,0:10:13.36,Default,,0000,0000,0000,,人間を上回るのではと思います
Dialogue: 0,0:10:13.36,0:10:16.41,Default,,0000,0000,0000,,だからコンピューターは\N書くこともできるのです
Dialogue: 0,0:10:16.41,0:10:19.89,Default,,0000,0000,0000,,これらをまとめたら\N非常に興味深い可能性が開けます
Dialogue: 0,0:10:19.89,0:10:21.38,Default,,0000,0000,0000,,たとえば医療です
Dialogue: 0,0:10:21.38,0:10:23.90,Default,,0000,0000,0000,,あるボストンのチームは\Nコンピューターによって
Dialogue: 0,0:10:23.90,0:10:26.85,Default,,0000,0000,0000,,医師が がんの診断を\Nする上で役に立つ
Dialogue: 0,0:10:26.85,0:10:31.12,Default,,0000,0000,0000,,何十という腫瘍の特徴を発見したと\N発表しました
Dialogue: 0,0:10:32.22,0:10:34.52,Default,,0000,0000,0000,,同様にスタンフォードのグループは
Dialogue: 0,0:10:34.52,0:10:38.18,Default,,0000,0000,0000,,組織の拡大画像を見て
Dialogue: 0,0:10:38.18,0:10:40.56,Default,,0000,0000,0000,,がん患者の生存率を
Dialogue: 0,0:10:40.56,0:10:43.14,Default,,0000,0000,0000,,人間の病理医よりも\N正確に予想する
Dialogue: 0,0:10:43.14,0:10:47.52,Default,,0000,0000,0000,,機械学習システムを\N開発しました
Dialogue: 0,0:10:47.52,0:10:50.76,Default,,0000,0000,0000,,どちらのケースも\N予測が人間より正確というだけでなく
Dialogue: 0,0:10:50.76,0:10:53.27,Default,,0000,0000,0000,,新たな科学的洞察を\Nもたらしています
Dialogue: 0,0:10:53.28,0:10:54.78,Default,,0000,0000,0000,,放射線医学のケースでは
Dialogue: 0,0:10:54.78,0:10:57.88,Default,,0000,0000,0000,,人間に理解できる\N新しい臨床的な指標です
Dialogue: 0,0:10:57.88,0:10:59.67,Default,,0000,0000,0000,,病理学のケースでは
Dialogue: 0,0:10:59.67,0:11:04.17,Default,,0000,0000,0000,,診断において\Nがん細胞だけでなく
Dialogue: 0,0:11:04.17,0:11:07.51,Default,,0000,0000,0000,,がんの周囲の細胞も\N重要であることを
Dialogue: 0,0:11:07.51,0:11:09.26,Default,,0000,0000,0000,,発見しました
Dialogue: 0,0:11:09.26,0:11:14.62,Default,,0000,0000,0000,,これは病理医が\N何十年も教わってきたのとは逆です
Dialogue: 0,0:11:14.62,0:11:17.91,Default,,0000,0000,0000,,どちらのケースでも\Nシステムは
Dialogue: 0,0:11:17.91,0:11:21.53,Default,,0000,0000,0000,,医学の専門家と機械学習の専門家の\N組み合わせによって開発されましたが
Dialogue: 0,0:11:21.53,0:11:24.28,Default,,0000,0000,0000,,去年我々はこの面をも\N乗り越えました
Dialogue: 0,0:11:24.28,0:11:27.82,Default,,0000,0000,0000,,これは顕微鏡で見た\N人の組織から
Dialogue: 0,0:11:27.82,0:11:30.35,Default,,0000,0000,0000,,がんの領域を\N識別する例です
Dialogue: 0,0:11:30.35,0:11:34.97,Default,,0000,0000,0000,,このシステムは\N人間の病理医と同じか
Dialogue: 0,0:11:34.97,0:11:37.74,Default,,0000,0000,0000,,それ以上の精度で\Nがん領域を識別できますが
Dialogue: 0,0:11:37.74,0:11:41.13,Default,,0000,0000,0000,,医療の知識や経験のない\Nチームによって
Dialogue: 0,0:11:41.13,0:11:43.66,Default,,0000,0000,0000,,ディープ・ラーニングを使って\N開発されました
Dialogue: 0,0:11:44.73,0:11:47.28,Default,,0000,0000,0000,,同様に これは\Nニューロンの区分けです
Dialogue: 0,0:11:47.28,0:11:50.95,Default,,0000,0000,0000,,今ではニューロンを人間と\N同じ正確さで区分けできますが
Dialogue: 0,0:11:50.95,0:11:53.67,Default,,0000,0000,0000,,このシステムは医学を\N学んだことのない人々が
Dialogue: 0,0:11:53.67,0:11:56.92,Default,,0000,0000,0000,,ディープ・ラーニングを使って\N開発しました
Dialogue: 0,0:11:56.92,0:12:00.15,Default,,0000,0000,0000,,医学を学んだことのない人間が\N医療の会社を始めるのも
Dialogue: 0,0:12:00.15,0:12:03.88,Default,,0000,0000,0000,,もはや変なことではないと思え
Dialogue: 0,0:12:03.88,0:12:06.02,Default,,0000,0000,0000,,実際に会社を作ることにしました
Dialogue: 0,0:12:06.02,0:12:07.76,Default,,0000,0000,0000,,そうするのは\N怖くもありましたが
Dialogue: 0,0:12:07.76,0:12:10.65,Default,,0000,0000,0000,,データ分析技術だけでも\N有益な医療サービスは
Dialogue: 0,0:12:10.65,0:12:16.14,Default,,0000,0000,0000,,提供可能であると\N理論は示しているように見えます
Dialogue: 0,0:12:16.14,0:12:18.62,Default,,0000,0000,0000,,ありがたいことに\N大変好意的な反応を受け取っており
Dialogue: 0,0:12:18.62,0:12:20.98,Default,,0000,0000,0000,,メディアばかりでなく
Dialogue: 0,0:12:20.98,0:12:23.32,Default,,0000,0000,0000,,医学界の人々も\N支持してくれています
Dialogue: 0,0:12:23.32,0:12:27.47,Default,,0000,0000,0000,,私たちは医療の\N中間部分を受け持って
Dialogue: 0,0:12:27.47,0:12:30.36,Default,,0000,0000,0000,,そこを可能な限り\Nデータ分析で置き換え
Dialogue: 0,0:12:30.36,0:12:33.43,Default,,0000,0000,0000,,医師には彼らが最も適した部分をやってもらう\Nというのが基本方針です
Dialogue: 0,0:12:33.43,0:12:35.03,Default,,0000,0000,0000,,例をお見せしたいと思います
Dialogue: 0,0:12:35.03,0:12:39.98,Default,,0000,0000,0000,,新しい医療診断テストの生成には\N現在15分ほどかかります
Dialogue: 0,0:12:39.98,0:12:41.93,Default,,0000,0000,0000,,それをリアルタイムで\Nご覧に入れますが
Dialogue: 0,0:12:41.93,0:12:45.42,Default,,0000,0000,0000,,一部をはしょって\N３分に縮めてやります
Dialogue: 0,0:12:45.42,0:12:48.48,Default,,0000,0000,0000,,医療診断テストを作って\Nお見せするよりは
Dialogue: 0,0:12:48.48,0:12:51.85,Default,,0000,0000,0000,,車の画像を診断するテストを\Nお見せしようと思います
Dialogue: 0,0:12:51.85,0:12:54.07,Default,,0000,0000,0000,,その方が分かりやすいので
Dialogue: 0,0:12:54.07,0:12:57.27,Default,,0000,0000,0000,,150万の車の画像から\N始めます
Dialogue: 0,0:12:57.27,0:13:00.48,Default,,0000,0000,0000,,まず写真を\N撮った角度によって
Dialogue: 0,0:13:00.48,0:13:02.70,Default,,0000,0000,0000,,分類したいと思います
Dialogue: 0,0:13:02.70,0:13:06.59,Default,,0000,0000,0000,,画像にラベルはまったく付いておらず\N一から始めます
Dialogue: 0,0:13:06.59,0:13:08.45,Default,,0000,0000,0000,,ディープ・ラーニング・アルゴリズムを使って
Dialogue: 0,0:13:08.45,0:13:12.16,Default,,0000,0000,0000,,写っている構造領域を\N自動的に識別することができます
Dialogue: 0,0:13:12.16,0:13:15.78,Default,,0000,0000,0000,,これの良いところは\N人とコンピューターで協力して作業できるところです
Dialogue: 0,0:13:15.78,0:13:17.96,Default,,0000,0000,0000,,ご覧のように
Dialogue: 0,0:13:17.96,0:13:20.63,Default,,0000,0000,0000,,人が関心のある領域を\Nコンピューターに教え
Dialogue: 0,0:13:20.63,0:13:25.28,Default,,0000,0000,0000,,コンピューターがそれに基づいて\Nアルゴリズムを改良します
Dialogue: 0,0:13:25.28,0:13:29.58,Default,,0000,0000,0000,,このディープ・ラーニング・システムは\N１万６千次元空間になっていて
Dialogue: 0,0:13:29.58,0:13:33.01,Default,,0000,0000,0000,,その空間の中で\N軸を回転させて
Dialogue: 0,0:13:33.01,0:13:35.00,Default,,0000,0000,0000,,新たな構造領域を\N見つけようとします
Dialogue: 0,0:13:35.00,0:13:36.78,Default,,0000,0000,0000,,それが成功したら
Dialogue: 0,0:13:36.78,0:13:40.79,Default,,0000,0000,0000,,人間が関心のある領域を\N指摘します
Dialogue: 0,0:13:40.79,0:13:43.21,Default,,0000,0000,0000,,コンピューターがうまく\N領域を見つけられました
Dialogue: 0,0:13:43.21,0:13:45.77,Default,,0000,0000,0000,,たとえば角度です
Dialogue: 0,0:13:45.77,0:13:47.38,Default,,0000,0000,0000,,このプロセスを経ることで
Dialogue: 0,0:13:47.38,0:13:49.72,Default,,0000,0000,0000,,どのような構造を\N探しているのか
Dialogue: 0,0:13:49.72,0:13:52.14,Default,,0000,0000,0000,,徐々に伝えていきます
Dialogue: 0,0:13:52.14,0:13:53.92,Default,,0000,0000,0000,,これが病気の診断であれば
Dialogue: 0,0:13:53.92,0:13:57.27,Default,,0000,0000,0000,,病理医が病的状態にある領域を\N識別するとか
Dialogue: 0,0:13:57.27,0:14:02.29,Default,,0000,0000,0000,,放射線医が問題のある可能性のある小結節を示す\Nといったことを想像できるでしょう
Dialogue: 0,0:14:02.29,0:14:04.85,Default,,0000,0000,0000,,時にアルゴリズムには\N難しいこともあります
Dialogue: 0,0:14:04.85,0:14:06.82,Default,,0000,0000,0000,,今の場合\Nコンピューターが混乱して
Dialogue: 0,0:14:06.82,0:14:09.36,Default,,0000,0000,0000,,前部と後部が\Nごちゃまぜになっています
Dialogue: 0,0:14:09.36,0:14:11.44,Default,,0000,0000,0000,,そのため少し注意して
Dialogue: 0,0:14:11.44,0:14:14.67,Default,,0000,0000,0000,,手で前部を後部から\N選り分けてやらなければなりません
Dialogue: 0,0:14:14.67,0:14:20.18,Default,,0000,0000,0000,,そうやって\Nこんなグループに関心があるのだと
Dialogue: 0,0:14:20.18,0:14:21.52,Default,,0000,0000,0000,,コンピューターに\N伝えるのです
Dialogue: 0,0:14:21.52,0:14:24.20,Default,,0000,0000,0000,,こうやって続けていき\N少しはしょりますが
Dialogue: 0,0:14:24.20,0:14:26.45,Default,,0000,0000,0000,,機械学習アルゴリズムを\N改善させるために
Dialogue: 0,0:14:26.45,0:14:28.42,Default,,0000,0000,0000,,数百の事例を使って
Dialogue: 0,0:14:28.42,0:14:30.44,Default,,0000,0000,0000,,訓練してやります
Dialogue: 0,0:14:30.44,0:14:33.52,Default,,0000,0000,0000,,画像の一部が\N薄れていますが
Dialogue: 0,0:14:33.52,0:14:38.23,Default,,0000,0000,0000,,これはどう理解すれば良いか\N既に認識されたものです
Dialogue: 0,0:14:38.23,0:14:41.13,Default,,0000,0000,0000,,それから似たイメージという概念を\N使ってやることで
Dialogue: 0,0:14:41.13,0:14:43.22,Default,,0000,0000,0000,,コンピューターが\N車の前部だけを
Dialogue: 0,0:14:43.22,0:14:47.24,Default,,0000,0000,0000,,見つけられるように\Nなりました
Dialogue: 0,0:14:47.24,0:14:50.19,Default,,0000,0000,0000,,そうなったら\N人間がコンピューターに
Dialogue: 0,0:14:50.19,0:14:52.48,Default,,0000,0000,0000,,その点で上手くできていることを\N教えてやります
Dialogue: 0,0:14:53.65,0:14:55.84,Default,,0000,0000,0000,,もちろんこの期に及んでも
Dialogue: 0,0:14:55.84,0:14:59.51,Default,,0000,0000,0000,,ある種のグループを分離するのが\N難しいことがあります
Dialogue: 0,0:14:59.51,0:15:03.40,Default,,0000,0000,0000,,今の場合 コンピューターに\Nしばらく回転をさせても
Dialogue: 0,0:15:03.40,0:15:06.74,Default,,0000,0000,0000,,依然として\N左側と右側の画像が
Dialogue: 0,0:15:06.74,0:15:08.22,Default,,0000,0000,0000,,混在しています
Dialogue: 0,0:15:08.22,0:15:10.36,Default,,0000,0000,0000,,コンピューターにもう\N少しヒントをやり
Dialogue: 0,0:15:10.36,0:15:13.34,Default,,0000,0000,0000,,右側と左側を可能な限り\N分離できる射影を
Dialogue: 0,0:15:13.34,0:15:15.94,Default,,0000,0000,0000,,ディープ・ラーニング・\Nアルゴリズムを使って
Dialogue: 0,0:15:15.94,0:15:18.07,Default,,0000,0000,0000,,見つけられるようにします
Dialogue: 0,0:15:18.07,0:15:21.01,Default,,0000,0000,0000,,そのヒントを与えることで —\N上手くいきました
Dialogue: 0,0:15:21.01,0:15:23.89,Default,,0000,0000,0000,,右側と左側を\N見分ける方法を
Dialogue: 0,0:15:23.89,0:15:26.27,Default,,0000,0000,0000,,どうにか見つけられました
Dialogue: 0,0:15:26.27,0:15:28.71,Default,,0000,0000,0000,,基本的な考え方を\N分かっていただけたと思います
Dialogue: 0,0:15:28.71,0:15:36.91,Default,,0000,0000,0000,,これは人間がコンピューターに\N置き換えられるという話ではなく —
Dialogue: 0,0:15:36.91,0:15:39.55,Default,,0000,0000,0000,,人とコンピューターが\N協力するということです
Dialogue: 0,0:15:39.55,0:15:43.10,Default,,0000,0000,0000,,やろうとしているのは\Nこれまでは５、６人のチームで
Dialogue: 0,0:15:43.10,0:15:45.10,Default,,0000,0000,0000,,何年もかかっていた\Nようなことを
Dialogue: 0,0:15:45.10,0:15:47.70,Default,,0000,0000,0000,,１人で15分ほどで\Nできるようにする
Dialogue: 0,0:15:47.70,0:15:50.21,Default,,0000,0000,0000,,ということです
Dialogue: 0,0:15:50.21,0:15:54.16,Default,,0000,0000,0000,,このプロセスには\N４、５回の反復が必要です
Dialogue: 0,0:15:54.16,0:15:56.02,Default,,0000,0000,0000,,150万の画像を\N62%の精度で
Dialogue: 0,0:15:56.02,0:15:58.98,Default,,0000,0000,0000,,分類できるようになりました
Dialogue: 0,0:15:58.98,0:16:01.45,Default,,0000,0000,0000,,そうなったら
Dialogue: 0,0:16:01.45,0:16:02.74,Default,,0000,0000,0000,,大きなセクションを選んで
Dialogue: 0,0:16:02.74,0:16:05.66,Default,,0000,0000,0000,,誤りがないか\N素早くチェックできます
Dialogue: 0,0:16:05.66,0:16:09.62,Default,,0000,0000,0000,,誤りがあった場合は\Nコンピューターに教えてやります
Dialogue: 0,0:16:09.62,0:16:12.66,Default,,0000,0000,0000,,それぞれのグループについて\Nそういうことを行うことで
Dialogue: 0,0:16:12.66,0:16:15.15,Default,,0000,0000,0000,,150万の画像を\N80%の精度で
Dialogue: 0,0:16:15.15,0:16:17.56,Default,,0000,0000,0000,,分類できるようになりました
Dialogue: 0,0:16:17.56,0:16:19.64,Default,,0000,0000,0000,,そうしたら
Dialogue: 0,0:16:19.64,0:16:23.22,Default,,0000,0000,0000,,正しく分類されなかった\N少数のケースについて
Dialogue: 0,0:16:23.22,0:16:26.11,Default,,0000,0000,0000,,その理由を考えます
Dialogue: 0,0:16:26.11,0:16:27.85,Default,,0000,0000,0000,,このアプローチを\N15分やることで
Dialogue: 0,0:16:27.85,0:16:31.97,Default,,0000,0000,0000,,97%の精度で\N分類できるようになりました
Dialogue: 0,0:16:31.97,0:16:36.57,Default,,0000,0000,0000,,このようなテクニックは\N世界の重要な問題を解決してくれるでしょう
Dialogue: 0,0:16:36.58,0:16:39.61,Default,,0000,0000,0000,,世界的な医師不足です
Dialogue: 0,0:16:39.61,0:16:43.10,Default,,0000,0000,0000,,世界経済フォーラムは\N発展途上国において
Dialogue: 0,0:16:43.10,0:16:45.73,Default,,0000,0000,0000,,医師が今の10倍から20倍必要で
Dialogue: 0,0:16:45.73,0:16:47.84,Default,,0000,0000,0000,,それだけの医師を育てるには
Dialogue: 0,0:16:47.84,0:16:50.73,Default,,0000,0000,0000,,300年かかると言っています
Dialogue: 0,0:16:50.73,0:16:53.62,Default,,0000,0000,0000,,ディープ・ラーニングを使って\N医療の効率を上げることで
Dialogue: 0,0:16:53.62,0:16:56.46,Default,,0000,0000,0000,,対処するというのは\Nどうでしょう？
Dialogue: 0,0:16:56.46,0:16:58.69,Default,,0000,0000,0000,,このような機会に\N私はワクワクしていますが
Dialogue: 0,0:16:58.69,0:17:01.28,Default,,0000,0000,0000,,同時に懸念している\Nこともあります
Dialogue: 0,0:17:01.28,0:17:04.40,Default,,0000,0000,0000,,地図で青になっている国は
Dialogue: 0,0:17:04.40,0:17:08.17,Default,,0000,0000,0000,,雇用の80%以上が\Nサービス業のところです
Dialogue: 0,0:17:08.17,0:17:09.96,Default,,0000,0000,0000,,サービスとは何か？
Dialogue: 0,0:17:09.96,0:17:11.47,Default,,0000,0000,0000,,このようなものです
Dialogue: 0,0:17:11.47,0:17:15.63,Default,,0000,0000,0000,,これらのことは コンピューターが\Nできるようになりつつあることでもあります
Dialogue: 0,0:17:15.63,0:17:19.43,Default,,0000,0000,0000,,先進国の雇用の80%は\Nコンピューターができるようになったことで
Dialogue: 0,0:17:19.43,0:17:21.96,Default,,0000,0000,0000,,成り立っているのです
Dialogue: 0,0:17:21.96,0:17:23.40,Default,,0000,0000,0000,,これは何を\N意味するのでしょう？
Dialogue: 0,0:17:23.40,0:17:25.99,Default,,0000,0000,0000,,「他の仕事で置き換えられるから\N問題ないよ
Dialogue: 0,0:17:25.99,0:17:28.69,Default,,0000,0000,0000,,たとえば\Nデータサイエンティストの仕事とか」
Dialogue: 0,0:17:28.69,0:17:29.51,Default,,0000,0000,0000,,と思うかもしれませんが
Dialogue: 0,0:17:29.51,0:17:32.63,Default,,0000,0000,0000,,このようなものをデータサイエンティストが構築するのに\Nそう時間はかかりません
Dialogue: 0,0:17:32.63,0:17:35.88,Default,,0000,0000,0000,,たとえば今回取り上げた４つのアルゴリズムは\N１人の人間によって作られたものです
Dialogue: 0,0:17:35.88,0:17:38.32,Default,,0000,0000,0000,,こういうことは\N以前にも起き
Dialogue: 0,0:17:38.32,0:17:42.13,Default,,0000,0000,0000,,新しいものが現れては\N古い職が新しい職で
Dialogue: 0,0:17:42.13,0:17:44.38,Default,,0000,0000,0000,,置き換えられてきた\Nと言うなら
Dialogue: 0,0:17:44.38,0:17:46.49,Default,,0000,0000,0000,,その新しい職は\Nどのようなものになるのでしょう？
Dialogue: 0,0:17:46.49,0:17:48.36,Default,,0000,0000,0000,,とても難しい問題です
Dialogue: 0,0:17:48.36,0:17:51.10,Default,,0000,0000,0000,,なぜなら人間の能力は\N徐々にしか向上しませんが
Dialogue: 0,0:17:51.10,0:17:53.67,Default,,0000,0000,0000,,ディープ・ラーニング・\Nシステムの能力は
Dialogue: 0,0:17:53.67,0:17:56.89,Default,,0000,0000,0000,,指数関数的に\N向上しているからです
Dialogue: 0,0:17:56.89,0:17:58.50,Default,,0000,0000,0000,,私達がいるのは\N追い抜かれる一歩手前です
Dialogue: 0,0:17:58.50,0:18:00.56,Default,,0000,0000,0000,,今は周りを見渡して
Dialogue: 0,0:18:00.56,0:18:03.24,Default,,0000,0000,0000,,「コンピューターはまだ馬鹿だ」\Nと思っていても
Dialogue: 0,0:18:03.24,0:18:06.66,Default,,0000,0000,0000,,５年もしたら\Nこのグラフの天井を突き破ってしまうでしょう
Dialogue: 0,0:18:06.66,0:18:10.53,Default,,0000,0000,0000,,私たちは今この能力について\N考える必要があるのです
Dialogue: 0,0:18:10.53,0:18:12.58,Default,,0000,0000,0000,,前にも似たことは\N経験しています
Dialogue: 0,0:18:12.58,0:18:13.97,Default,,0000,0000,0000,,産業革命です
Dialogue: 0,0:18:13.97,0:18:16.82,Default,,0000,0000,0000,,エンジンの出現による\N能力の急激な変化がありました
Dialogue: 0,0:18:17.67,0:18:20.80,Default,,0000,0000,0000,,しかししばらくすると\N物事はまた落ち着きました
Dialogue: 0,0:18:20.80,0:18:22.51,Default,,0000,0000,0000,,社会的な変動はありましたが
Dialogue: 0,0:18:22.51,0:18:25.95,Default,,0000,0000,0000,,あらゆる場面でエンジンが\N使われるようになると
Dialogue: 0,0:18:25.95,0:18:28.30,Default,,0000,0000,0000,,状況は安定したのです
Dialogue: 0,0:18:28.30,0:18:29.77,Default,,0000,0000,0000,,機械学習の革命は
Dialogue: 0,0:18:29.77,0:18:32.68,Default,,0000,0000,0000,,産業革命とは\N全然違うものになるでしょう
Dialogue: 0,0:18:32.68,0:18:35.63,Default,,0000,0000,0000,,機械学習の革命は\N留まることがないからです
Dialogue: 0,0:18:35.63,0:18:38.61,Default,,0000,0000,0000,,より優れたコンピューターが\N知的活動を受け持ち
Dialogue: 0,0:18:38.61,0:18:42.86,Default,,0000,0000,0000,,それによって 知的活動にさらに優れた\Nコンピューターが作れるようになり
Dialogue: 0,0:18:42.86,0:18:44.77,Default,,0000,0000,0000,,世界がかつて\N経験したことのないような
Dialogue: 0,0:18:44.77,0:18:47.25,Default,,0000,0000,0000,,変化を起こすことに\Nなるでしょう
Dialogue: 0,0:18:47.25,0:18:50.55,Default,,0000,0000,0000,,何が起こりうるかについての\N以前の知見は 当てはまらないのです
Dialogue: 0,0:18:50.97,0:18:52.75,Default,,0000,0000,0000,,この影響は既に現れています
Dialogue: 0,0:18:52.75,0:18:56.38,Default,,0000,0000,0000,,過去25年で\N資本生産性は増大しましたが
Dialogue: 0,0:18:56.40,0:19:00.59,Default,,0000,0000,0000,,労働生産性は平坦で\Nむしろ少し下がっています
Dialogue: 0,0:19:01.41,0:19:04.15,Default,,0000,0000,0000,,だから この議論を\N今始めて欲しいのです
Dialogue: 0,0:19:04.15,0:19:07.18,Default,,0000,0000,0000,,私がこの状況を\N説明しても
Dialogue: 0,0:19:07.18,0:19:08.67,Default,,0000,0000,0000,,なかなか真剣に\N取り合ってもらえません
Dialogue: 0,0:19:08.67,0:19:10.34,Default,,0000,0000,0000,,「コンピューターには\N本当に思考することはできない」
Dialogue: 0,0:19:10.34,0:19:13.37,Default,,0000,0000,0000,,「感情がない」\N「詩を理解しない」
Dialogue: 0,0:19:13.37,0:19:15.89,Default,,0000,0000,0000,,「我々は腦の働きを本当に理解してはいない」\Nなどなど
Dialogue: 0,0:19:15.89,0:19:17.37,Default,,0000,0000,0000,,だったら何でしょう？
Dialogue: 0,0:19:17.37,0:19:19.18,Default,,0000,0000,0000,,人間がお金をもらい\N時間を費やして
Dialogue: 0,0:19:19.18,0:19:21.90,Default,,0000,0000,0000,,やっていたことが\N機械にも可能になっているんです
Dialogue: 0,0:19:21.90,0:19:23.63,Default,,0000,0000,0000,,この新たな現実を踏まえて
Dialogue: 0,0:19:23.63,0:19:28.02,Default,,0000,0000,0000,,社会構造や経済構造を\Nどう調整したら良いか
Dialogue: 0,0:19:28.02,0:19:29.86,Default,,0000,0000,0000,,考え始めるべき時です
Dialogue: 0,0:19:29.86,0:19:31.39,Default,,0000,0000,0000,,ありがとうございました
Dialogue: 0,0:19:31.39,0:19:32.19,Default,,0000,0000,0000,,(拍手)