Return to Video

22ps-08 Office Hours 8

  • 0:00 - 0:05
    粒子フィルタに関するオンラインフォーラムで
    次のような質問がいくつかありました
  • 0:05 - 0:08
    “もっと明確な事例を示してください”
  • 0:08 - 0:13
    これは適切な批評です
    実際私は抽象的な説明をしました
  • 0:13 - 0:18
    将来的にはプログラミングの課題を考えているので
    粒子フィルタに関するソースコードも得られます
  • 0:18 - 0:23
    今は基礎をやっていますがそのために
    あちこちを回ってきたわけではありません
  • 0:23 - 0:27
    ロボット工学の講義が皆さんの疑問を
    明確に解決するとも思っています
  • 0:27 - 0:35
    問題が数多く出るのでそれにしっかり取り組めば
    粒子フィルタが分かると約束します
  • 0:35 - 0:41
    ペンシルバニアのダンからの質問です
    あなたの故郷ですね
  • 0:41 - 0:46
    “この講座はエキスパートシステムなどの
    ルールベース手法の議論をしていませんね”
  • 0:46 - 0:50
    “こういう手法はまだAIの一部と
    考えられていますか?” もちろんです
  • 0:50 - 0:53
    エキスパートシステムは
    今でもAIの大きな要素で
  • 0:53 - 0:58
    数百万ドルのビジネスです
    現在多くのシステムが稼働しています
  • 0:58 - 1:02
    しかし80年代や90年代よりも
    重要性が低くなっているように見えます
  • 1:02 - 1:07
    講義ではあまり多くをカバーしなかったので
    ここで少しだけ触れてみましょう
  • 1:07 - 1:13
    あなたが外出した時エキスパートに面会し
    例えば“仕事はどうですか?”と聞きます
  • 1:13 - 1:21
    それをコード化しプログラミングしようとしますが
    JavaやC言語で直接コーディングするのではなく
  • 1:21 - 1:26
    エキスパートの知識をとらえるように
    特別に設計された言語を使います
  • 1:26 - 1:29
    時にはそれはうまくいきますが
    困ったこともあります
  • 1:29 - 1:34
    1つはエキスパートが自分のしたことを
    よく分かっていない場合があるということです
  • 1:34 - 1:37
    エキスパートは仕事のやり方は知っていますが
  • 1:37 - 1:40
    説明方法を知りません
    過程を理解していないのです
  • 1:40 - 1:45
    自分がたどった全過程を理解していないので
    適切に説明できません
  • 1:45 - 1:52
    もう1つの問題はこのような言語のほとんどは
    確率ではなく論理に基づいていることです
  • 1:52 - 1:59
    従って明確に“AはBを意味する”という場合は
    うまくいきますが不確実さが含まれる場合には
  • 1:59 - 2:04
    その不確実さを表現するのに適さず
    アプリケーションが限定されてしまうのです
  • 2:04 - 2:08
    現在エキスパートシステムで実現できる
    最適な方法はベイジアンネットワークです
  • 2:08 - 2:12
    これは不確実さにかなり対応しています
    それには特有の問題もありますが
  • 2:12 - 2:15
    現在の大型アプリケーションの
    エキスパートシステムで使われています
  • 2:15 - 2:22
    それにコンピュータの概念は80年代以降
    変わってきたと言えるでしょう
  • 2:22 - 2:28
    80年代には大型のメインフレームを使っており
    ワークステーションもありました
  • 2:28 - 2:31
    小型で安価だと思われましたが
    それでも5万ドルもしました
  • 2:31 - 2:35
    エキスパートの給料のようなものでした
  • 2:35 - 2:38
    コストを回収するためにはエキスパートを
    置き換える必要がありました
  • 2:38 - 2:44
    今ではコンピュータは私たちのヘルパーです
    ポケットにも入っていてデスクにも置いてあり
  • 2:44 - 2:50
    常に一緒です 標準的なAIアプリケーションは
    それほど大したものではありません
  • 2:50 - 2:54
    アプリケーションの代わりにエキスパートを使い
    日常に役立てられるでしょうか?
  • 2:54 - 2:58
    私はコンピュータと替わりたいですね
    そうすればいつも海辺に行って楽しめます
  • 2:58 - 3:06
    本当ですか? 今の仕事がなくなったら
    あなたは別の仕事を見つけると思いますよ
  • 3:06 - 3:10
    ですが学生は私たちが本物だと
    どうやって知るのでしょうか?
  • 3:10 - 3:16
    私たちは人工知能ロボットの研究に
    成功しましたからね 今はビーチにいます
  • 3:16 - 3:22
    私は自分がロボットのように思える時が
    ありますよ さて次の質問です
  • 3:22 - 3:27
    “特に博士を目指している者にとって
    人工知能で未解決の大きな問題は何ですか?”
  • 3:27 - 3:33
    “博士課程の準備として何がベストでしょう?
    何を勉強すべきですか?”
  • 3:33 - 3:37
    “別件ですがAIと機械学習を区別する方法は?”
    ハイデルベルグの受講生からです
  • 3:37 - 3:45
    AIの未解決の大きな問題に取り組むより
    身近な問題を見つけるべきだと思います
  • 3:45 - 3:51
    何かやることを考えるべきです
    外に出て興味のある課題を見つけください
  • 3:51 - 3:57
    コンピュータビジョンなど関心があるなら何かを
    始めてください ある時点で核心に触れるでしょう
  • 3:57 - 4:03
    ダウンロードできなかったり文献を
    見つけられなかったりすれば問題に気づきます
  • 4:03 - 4:08
    大きな問題である必要はありませんが
    その問題はあなたに関わりのあるものになります
  • 4:08 - 4:14
    スタンフォードの学生に
    私が教えることの1つは博士課程までは
  • 4:14 - 4:18
    問題を与えられてそれを解くという
    スタイルでいるのだということです
  • 4:18 - 4:25
    博士課程では自分で問題を考案しますが
    そのスキルは生来のものではありません
  • 4:25 - 4:30
    研究をしていると問題を解いていると思っています
    そして興味のあることから抜け出せなくなります
  • 4:30 - 4:33
    間違った問題に取り組んでいることに
    気づくでしょう
  • 4:33 - 4:38
    なので答えを得ようとする一方で
    解こうとする問題を発見することも大切なのです
  • 4:38 - 4:46
    問題も回答も同時に見つけられないということです
    しかしそれが博士号への道なのです
  • 4:46 - 4:50
    1つの問題にこだわっていて解けなければ
    永遠にそこから離れられません
  • 4:50 - 4:54
    問題が簡単に解けるならそれは面白くありません
  • 4:54 - 5:00
    研究しながら新たな問題にも心を開いていることは
    重要なスキルです これを行う1つの方法は
  • 5:00 - 5:05
    面白い問題に出会った時は書き留めるのです
    そして後日問題を解く時や
  • 5:05 - 5:10
    退屈した時に書き留めた問題に戻って
    それが本当に面白いものか見てみるのです
  • 5:10 - 5:15
    それに社会のために未解決の大きな問題を
    研究するのはとても重要なことです
  • 5:15 - 5:21
    すべての貧困やガンの問題を解決しなくても
    将来のビジョンとしては重要なものです
  • 5:21 - 5:27
    皆さんが一生懸命解いている問題が解ければ
    社会によい影響を与えることになると
  • 5:27 - 5:33
    説明できます これはとても大切です
    多くの研究機関がこの点を見過ごしているからです
  • 5:33 - 5:37
    人々は特定の問題の定式化に心を動かされます
    正しいこともあれば間違っていることもあります
  • 5:37 - 5:41
    例えそれが解けたとしても
    物事は変わらないでしょう
  • 5:41 - 5:43
    私は世の中の大きなことを
    変えていくのに関心があります
  • 5:43 - 5:50
    それは貧困、疾病問題、輸送問題、
    建築問題などを解決することです
  • 5:50 - 5:55
    大きな問題を解くのはすばらしい機会です
    もちろん皆さんの人生の導きにもなります
  • 5:55 - 6:00
    明日の朝に解決するような問題ではありません
    でもとても重要なので挑戦してください
  • 6:00 - 6:05
    私たちが関心を持つもう1つの社会的問題は
    教育です だからここにいるのです
  • 6:05 - 6:08
    皆さんがこの試みに
    参加してくれていることに感謝します
  • 6:08 - 6:11
    フレーム問題の話をしたらどうですか?
  • 6:11 - 6:16
    そうですね 以前に私たちが
    学校にいた頃のことを話しましたね
  • 6:16 - 6:20
    当時の先生に“解決すべき重要な問題は
    何ですか?”と質問したとします
  • 6:20 - 6:27
    それで渡されたリストはおそらく今では
    そんなに重要とは思えないでしょう
  • 6:27 - 6:32
    当時の大きな問題の1つはフレーム問題で
    それは解決しました
  • 6:32 - 6:36
    レイ・ライダーがほとんどの研究を行いました
  • 6:36 - 6:40
    しかしそれが解決した時
    望んでいた位置には到達しませんでした
  • 6:40 - 6:45
    実質的な問題を解決したわけではなかったのです
  • 6:45 - 6:53
    私たちはAIで人工的で技術的な問題を解きましたが
    実質的な解決を導くものではありませんでした
  • 6:53 - 6:58
    それが最大の問題でAIを解いたのに
    フレーム問題が解けていなかったのです
  • 6:58 - 7:02
    実際は簡単に解けました
    とても簡単なことだったのです
  • 7:02 - 7:09
    まるで特定の方法で論理を扱った人工物です
    論理はそのように使われるべきではありません
  • 7:09 - 7:13
    そして世の中は変化なしです
    それが分かり誰も見向きもしませんでした
  • 7:13 - 7:17
    それにもかかわらず学生たちはそれを
    解くことを題材にした博士論文を書きました
  • 7:17 - 7:22
    最近の学生たちはP=NP問題についての
    博士論文を書いています
  • 7:22 - 7:26
    あえて言いますがP=NPであるかどうかを
    証明してもあまり何も変わらないでしょう
  • 7:26 - 7:31
    それを証明して面白いと言うのです 違うかも
    しれませんが特に何も変わらないと思います
  • 7:31 - 7:34
    P=NPなら前向きな話です
  • 7:34 - 7:35
    どうでしょう
  • 7:35 - 7:41
    とても難しい問題に対する効果的な解決法があれば
    少なくとも2〜3個の方法見つかっていると思います
  • 7:41 - 7:45
    時には同値類の複雑性が見つかることもあります
    理論的には同じでも
  • 7:45 - 7:49
    実際には異なる定数がたくさんありますが
    その違いは問題になりません
  • 7:49 - 7:53
    正直なところその問題は取り組んでも
    面白いものだとは思えません
  • 7:53 - 7:57
    そうですね つまり今の結論は周りの
    アドバイスは聞くなということです
  • 7:57 - 7:59
    私たちのアドバイスは聞くなということですね
  • 7:59 - 8:01
    そうです
  • 8:01 - 8:05
    それでは外に出て問題を解いてください
    自分自身で問題を考えてそれを解いてください
  • 8:05 - 8:06
    さようなら
  • 8:06 - 8:08
    さようなら ありがとう
タイトル:
22ps-08 Office Hours 8
Video Language:
English
Team:
Udacity
プロジェクト:
CS271 - Intro to Artificial Intelligence
Duration:
08:08

Japanese subtitles

改訂