WHILL自動運転

https://whill.jp/model-c

前輪にオムニホイールを持つ、デザイン性の高い電動車椅子だ。その場で旋回できる、段差5cmを乗り越える、スマホで操作できる、などの特徴を持つ。

特に、スマホで操作できていることを考えると、これをベースとした自動運転車を作る、というのは十分に可能性があるのではないか、と思った。くしくも5G通信がもうすぐやってくるが、自動車でなくともスマホがあれば十分に使えるのではないか、と思うのだ。

考え方はこうだ。WHILLには既にBluetooth LEによる操縦ソフトが存在している。座面にカメラモジュールを搭載し、これに繋がる5Gスマホ(相当のコンピュータ)を載せ、もう一方ではタブレットやテレビ、VRなどに映像を映して操縦をする。

カメラモジュールは、人間と同じく左右の視覚野を180°とっておき、更に左右90°まで回転できるようにしておく。安全のため、左右に大きく視点を移す(カメラを回す)場合は、それに合わせて速度を落とすか停止するようにしておく。基本はこれだけだ。

これだけなら自動運転ではなく遠隔運転だが、最も簡易的にはこれで十分だ。もし完全自動運転を志すとしても、通常の自動運転車とは違い、運転速度がずっと遅いため、センサもその必要演算能力もずっと少なくてよいはずだ。高価なミリ波レーダーなどは不要で、視差カメラだけでも十分ではないか。また5Gと言ったが、この程度なら5Gの速度や低レンテンシは必要ないかもしれない。すなわち今でもできるかもしれない。

これで何をするのかというと、大きくは二つが考えられる。一つは買い物、もう一つはテレイグジスタンスだ。

電動車椅子の初期ユーザは間違いなく足の悪い人だ。100m先のコンビニに行くことすら苦痛だろう。だが電動車椅子ならこれも適う。そして、雨風の日、寒い日暑い日には、このカメラユニットを搭載して「仮想的に」出掛ける。

近所の店とあらかじめ契約しておいて、あるいは顔見知りへのサービスとして、車椅子に買い物を載せてくれる。ついでに世間話の一つでもできるだろう。これは単に買い物というだけでなく、コミュニケーションの継続という意味でも有効だろう。

テレイグジスタンスの方は、買い物のないコミュニケーションだけだ。近所の付き合い、例えば畑でとれた野菜をあげに行くついでにコミュニケーションをとる。これなら疲れないから会話も活発になるはずだ。

自動車でなく車椅子で、というのは、コスト低減もさることながら、門を入って縁側や玄関まで行ける、店なら店内にまで入れるというところが強い。介護だけでなく、地域活性化のための補助金も期待できるのではないか。

国会答弁はディベートとAIで

https://www.mugendai-web.jp/archives/9052

IBMのAI「Project Devater」が、人間を負かしたという記事だ。

ディベートというと、日本人は言い争いを想像してしまうが、これは違う。お互いが決まった時間スピーチを行うことで、最終的に聴衆がどちらが勝ちかを判定する、というものだ。

国会の答弁はディベート形式でやって欲しいと思っている。今のやり方では正に時間の無駄だ。議員も大臣も官僚も、こんなつまらないことに時間を掛けるべきではない。

ただ、ディベート形式で行うとすると、判定が必要になる。この判定にAIを使おう、というのが今回の提案である。上のIBMとはちょっと使い方が違う。

どうするのか。まず、質問自体は事前に集めておく。これに対して時間を決め、回答者がまず回答を行う。それを受けて質問者が質問する。それを受けて回答者がまた回答する。最後にAIがどちらが「勝ち」かを判定する。回答者が勝てばその質問は終わりである。質問者が勝てば、回答者は更に回答しなければならない。

回答者が勝つ条件は、質問に対して答えられているかどうか、だ。はぐらかしや嘘、関係ない答弁、内容に対して長すぎる答弁は全て回答者に不利になる。もちろん国家機密もあるだろうが、その場合は明確に国家機密であると言わなければならない。

AIはその理由も提示する。回答に答えていると言えるかどうかはもちろん、過去の発言との矛盾があればその中で訂正しなければならないし、訂正が繰り返されていればそれも不利材料となる。

一方で、質問自体にもAIの目が光る。国政と関係ない質問は質問者に不利になるし、一度答えた質問を再度質問することも許されない(新たな事実が分かれば別だ)。答弁者を指定することもできない。いわゆる人格攻撃的な質問は特に禁止だ。

AIの匙加減は問題だが、かなり緩めに設定したとしても相当の改善が見込めること、間違いない。問題は、どうやって作れば良いか分からないところだけだ。

スマートディスプレイに想う

Google Home Hubが登場したことで、AmazonとGoogle、Facebookのスマートディスプレイが揃った。だが、何れのスマートフォンにも、「緊急地震速報の受信」「自治体からのお知らせ」機能がなかったことは残念だ。

以前にも、フォトフレームタイプの情報端末を提案してきた。世の中にもそのような試みがある。それらに最初に必要なのはそこだ、と思ってきただけに、なぜそれを外すのかという疑念は持たざるを得ない。

必要なものは以下の通りである。

1. 緊急地震速報
2. 他、J-ALERTで配信される類の情報のうち緊急のもの(火山噴火情報、津波情報、弾道ミサイル情報など)
3. 同：緊急でないもの(地震予知情報など)

必須ではないがあればよいものとしては、自治体からのお知らせがある。近隣の笠井情報、不審者情報などだ。今はこれらはSNSやメールで同様のものが配信されているはずだ。

最初はしょうがないにしても、こういうものは国や自治体が積極的に導入すべきである。もう独自仕様でする必要はなく、これらに対応すればよい。最悪、第三者でもよい。例えばYahoo!防災情報のフォトフレーム版でもよいから、デフォルトでインストールしておきべきである。

KinetiXホイポイカプセル

https://www.media.mit.edu/projects/kinetix/overview/

折り紙のように、折り目の位置や傾きを工夫することで色々な方向に変形するボクセル構造を作っておき、それを多数連結することで、全体として見ると、一部の構造を押さえるだけで全体の構造が連動して特定の形になるような構造を作っている。

例えば、立方体の展開図のような図形の一部を押すだけで、各々の辺に相当するところが折れ曲がり、立法体が出来てしまう、といったものだ。

これを見ていてホイポイカプセルを思い出さないわけには行かないだろう。このアイデアを基に、もっと小さい単位でボクセルを作っておけば、バネの力で放り出すと特定の外形が出来てしまう、という風に作れるはずだ。

さすがに手のひらサイズのカプセルからバイクができるとは思わないが、例えばキャンプ用のテントやベッドをこれで作ることができれば、なかなか快適になるのではないか。また、このボクセルは硬い素材でなくとも、空気を入れて膨らませるようなやり方でもできるはずだ。要所に硬い板を、他は塩ビの風船にしておけば、頑丈且つ折り畳み自在なベッドができるのではないか。

携帯用でなくとも、例えばIKEAの家具に応用される、展示会ブースで使うなど、応用は広い。色々と検討してみてはどうだろうか。

予測推測AI

先日の「サイエンスZERO」で、錯視の解明にAIを使う、という話があった。

ディープラーニングの学習において、画像の入力と出力が同じになるように学習をさせると、特定の層において錯視が再現できた、というものだ。つまり、錯視画像を見せると錯視が起きる層が形成されていた。また、動画において、少し先の画像を合わせるような学習をさせると、動いて見える錯視が再現できた。

これは興味を引かれた。番組では言及されていなかったのが、この実験で何層使っていたのか、だ。その層数をどうするかで、錯視ができたりできなかったりする可能性が出てきた。また、複数の層から分岐を出して、錯視を取り出すようなこともできるのではないか。一つの画像からさまざまな情報を一気に引き出すDNN、というのは考えられないだろうか。つまり、錯視以外にも色々な情報を持つ層が作れるのではないだろうか。

例えば特定の特徴を持つものの抽出だ。出来上がった後の画像を解析するのではなく、DNNの特定の層をチェックしていればリアルタイムで抽出できる、といったようなものだ。それは画像とは限らず動きかもしれないし、動きや変化の予想かも知れないし、視線が違っても追いかけられるかもしれない。画像解析でもできるだろうが、それよりずっと単純で簡単な可能性がある。

例えばスリの動き予想や逃走犯の逃走経路予想のような予想、マイクロジェスチャーのような感情解析、画像の解像度以下のものの動き、超解像、映っていないものの推測(大衆の動きから)、といった推測は、面白い結果が色々と出てくる可能性がある。

こういったものが複数いっぺんに取り出せるとなると、将来の監視カメラがどう発展するかは興味深い。

DNNクラウド

一般的な関数、それもごく単純な、例えばy=xといったような関数を現すのに深層学習(DNN)を使うことは、可能か不可能かと言えば可能だ。もちろんそれは計算機資源の大いなる無駄なのだが、できないわけではない。

資源の無駄と言うが、今のコンピュータだって無駄だらけだ。最適化しようとすれば幾らでもできるのだが、それよりもプログラミングの楽さ加減、資源の抽象化によって汎用化することを優先し、その代償として資源を無駄に使ってきた。そう思えば、いっそうの楽ができるのなら、無駄にも価値がある。

DNNには、層数とノード数の最適化、といった課題があるのだが、脳の層数とノード数は決まっていて変えられない。つまりy=xにしても、そういう無駄な覚え方をしているはずなのだが、人間はそれで何とかなっている。むしろ問題に合わせてあれこれ最適化をする工夫こそが無駄なのかもしれない、という考えもある。

こうすると、プログラミングが簡単になるのだ。どう簡単になるかというと、学習データ(正解のリスト)を作って投げ込み、待って(学習させ)、検証して、バグがあればリストを修正してまた投げる、という操作になる。

プログラミングとは違ったスキルにはなるが、複雑なアルゴリズムの知識は必要ない。入力と出力を睨み、正解かどうかが判断できれば良いわけなので、ある種裾野は広がるし、外注にも掛けやすいだろう。

プログラム全体でいきなりこれをするのは無理だから、モジュールに分けてある程度学習させ、各々が進んできたら全体を結合して再度学習させる。このとき中央制御的なDNNを真ん中に置く、あるいは階層構造をとるようにするのも良い。こうして進め、完成させる。

ここで重要なのは、個々のDNNは、Amazon AWSのように規格化されていて、細かい調整は不要だ、というところだ。少々効率が悪くても構わないから正解が出るように学習させる。これが最優先だ。また、接続も大雑把でよく、細かい調整は不要だ。調整すると、都度再学習となってしまうからだ。

ベースとなるアーキテクチャは、DNNをPaaSで提供するクラウドである。大体正しく動くようになったらチューニングを始めるが、これは個々のモジュールを、より小さいDNNで動くように再学習させることになる。

全てのプログラムがこういったDNNベースになったら、PCにもDNNクラウドが搭載されるようになり、これがPC/ATのような標準的なアーキテクチャに取って代わるかもしれない。

大きく間違えないこと

いやいやそんなことはない、という反論を覚悟で言うなら、AIの学習で面白いと思うのは、一度学習するとそのAIは大きな間違いを犯しにくい、というところだ。

従来のプログラミング言語では、条件分岐の例外で大間違いをするというのはよくあることだった。だから条件分岐や数字のゼロ近辺などのいわゆる「境界」では念入りなチェックをする。しかしそれも人間のすること、複雑な条件の全ての組み合わせをそう簡単にチェックすることはできない。

一方AIでは、条件分岐や境界は殆ど意味を為さない。学習データが全てである。もちろんそこには境界のデータもあるが、既に正解が入っている。ここでもし、データの組み合わせに抜けがあったとしても、十分に学習したAIの場合は、とんでもない結論を出すことはない。正解ではないかもしれないが、大外れはしない。

もちろん作り方にも大きく依存するのだろうし、その境界が特異点となるような場合はかえって学習がやりにくい、とも考えられる。そういう場合はむしろ使わない方が良いのだろうが、そうでないならこういった特徴を生かすのは有効である。大きなシステムに置いて、Nバージョンプログラミングの手法でAIに警告を出させるようなアーキテクチャをとるというのは、有効な一つの手であると思う。