チェスのAIと人間が対戦してAIが勝つとAIが人間を超えたとニュースになる。また、今企業では深層学習が普及し始め、例えば製品開発にその成果を用いたりしている。
・
この時のAIにしろチェスのAIにしろオブジェクト指向の言語でプログラミングされている。かつてオブジェクト指向の次はエージェント指向の言語と騒がれ、それが活躍する映画「マトリックス」が放映された。
・
しかし、派手なワイアーアクションに目を奪われ、映画の世界観を理解できなかった人も多いのではないか。多数のエージェントがターゲットに対し、連携しながら働きかけるその動きは、まさにオブジェクト指向の次に期待されている言語の姿であった。
・
しかし、まだその言語ができたとの発表は無いので、現在活躍しているAIはオブジェクト指向でプログラミングされているはずだ。
・
例えばPythonの機械学習に関する各種モジュールの一部は、C＋＋で書かれていると告知されている。すなわち、人間がある一定のルールをプログラミングして動いている人工知能もどきのことをAIと呼んでいるのである。
・
この意味で、まだAIは人間を超えていない。ただし人間は年をとればメモリーの劣化やその動作が極端に遅くなる。
・
これらの心配がないだけでも現代のAIでも優れているといえる。ところが、これでは人間のヒューリスティックなアイデア創出あるいは第六感を備えたAIなど出てこないだろう。
・
今行われている深層学習では、事象の間に何らかのつながりが存在することを前提としており、人間の第六感のように、つながりの無かった新たな事象を持ち出し、それを目の前の問題との重みづけをするなんてことは不可能である。
・
おもしろいのは、人間は年を重ねることにより悟りが得られる。それにより、この第六感はさらなる進化をする。AIの時代に年を取ってみて感じるのは、現代の技術の延長線上のAIでは、せいぜいゲームで活躍できるAIしか生まれないのではないかという懸念である。
・
換言すれば、現代のAIを使用したMIにより人間の想像を超えた新素材は生まれない、と断言できる。だからAIを使うデータマイニングよりも人間の頭を併用したデータマイニングの方が優れた結果が得られるはずだ。弊社は、先端のMIをはじめとしたデータサイエンスの手法とそれらも指導している。
カテゴリー : 一般
pagetop
今どれだけの企業で機械学習が導入されているのだろうか。恐らく大企業ではすでに導入が完了し、若い技術者が普通にデータ解析を行っている周りで、理解できない中高年がうろうろしている風景が見られるのか。
かつて「花王のパソコン革命」が大ベストセラーになり、パソコンの普及が始まった時、まだその速度は緩やかだった。しかし、MS-DOSが普及し、一太郎が会議資料作成の標準ツールとなり、ロータス１２３やフリーランスが普及し始めた頃からデジタルによる職場の分断が始まった。
そのころ、当方は多変量解析はじめ統計手法を使い、現在常識となった機械学習と同様の方法で業務を遂行していたが、それが研究所という職場ゆえに科学ではないと批判されたのである。批判だけでなくFDを壊されたりする業務妨害まで受けている。
データサイエンスを用いた業務の遂行方法、具体的に実験のやり方は、科学の方法、すなわち仮説設定による方法とは異なる。それゆえ異端とされたのだ。
この１０年のDXの進展はすさまじく、学校教育でもプログラミング教育がようやく導入された。プログラミング教育は、日本で熱狂的に信奉された科学という哲学による問題解決法とは異なる方法論を教育することになるので教育現場でやはり混乱が始まっている。
日常の問題解決に科学の方法論は常識であり、現代文明は科学の成果とまで言う人がいるが、科学誕生以前でも技術開発はそれなりのロジックで人類により営まれてきたのである。
学校教育では戦前ユークリッド幾何学の教育を行いながらも戦後はそれを廃止してしまったが、ユークリッド幾何学は科学と非科学をつなぐ言語のような立ち位置にあった。
統計は科学の一分野でありながら、それを適用したロジックが非科学として扱われるような時代があった。多変量解析にしても最初に普及したのは人文科学系であって技術分野では１９９０年ごろでもあまり普及していなかった。
しかし、さすが技術のニッサンで、１９８０年代に多変量解析のセミナー講師がいた。多変量解析をMZ80Kで使い始めた当方は、このセミナーが大変役立ったが、出張報告は職場内で評価されなかった。
このような体験があるので、現在のPythonの普及スピードや機械学習の普及、アカデミアにおけるMIなど科学と非科学の境界がベルリンの壁崩壊のような出来事として見えている。
もし、いまだPythonについてその意味を理解できていない企業は弊社にご相談ください。機械学習の導入はじめ業務のイノベーションを進めるお手伝いをいたします。４０年以上多変量解析はじめ統計手法やタグチメソッドを使用してきた経験からわかりやすくご指導いたします。
また、深層学習までできるのだが、どうもすっきりしない、という技術者もご相談ください。例えば、材料技術者であれば、科学のせいで染みついた問題点を当方の実体験のデータを示し、すっきりできるようにいたします。今弊社で行っているセミナーはその一つです。
カテゴリー : 一般
pagetop
C#はオブジェクト指向の洗練されたコンピューター言語である。C＋＋のようなbetterC的なところは無いので、Cから直接C#を使う若い人にはとっつきにくいかもしれない。
しかし、C＋＋から移行すると、もやもや感が晴れたような錯覚になる。ただし、ある種の禁欲に伴う厳しさを感じる人もいるかもしれない。
C#のプログラミングでは、オブジェクトの切った、張った的な手順でプログラㇺをコーディングするので、ただひたすらマニュアルから必要なオブジェクトを探し出す作業がプログラミングの中心になる。
C＋＋の初期には、C＋＋で書かれたプログラムをCに一度コンパイルしていた時代があったが、その時にはCで記述できる要素が残っていた。
ゆえにオブジェクト指向プログラミングへの移行がC＋＋では障害なくできた。面白いのはPythonである。C#のようにオブジェクト指向的にプログラミングが可能なだけでなく、CやBASICのように手続き型でもプログラミングが可能である。そしてスクリプト言語なのでCやBASICよりも手軽である。
Pythonのこのある種いいかげんさは、C＋＋のbetterC的感覚とは少し異なる。このいいかげんさゆえに手軽であり、誰でも気軽に使えるコンピューター言語として３０年間生き残ってきたのだろう。最近C#をほとんど使わなくなった。
カテゴリー : 一般
pagetop
多変量解析を30分程度でできても評価されるどころか馬鹿にされたのが1980年代である。声のでかい、後に研究所長にもなられた科学者から、単相関のグラフを重ねたものとどこが違うのか、アホ、とまで言われている。
研究所で高く評価されていたこの方は、例えば重回帰分析における偏回帰係数から得られる情報の意味や、主成分分析で得られる一次独立空間で示される分布状態の意味などご存じなかった。
確かにそれらから得られた結果は、単なる数値の統計解析の成果にすぎないが、それらを考察し目的変数に対する寄与を評価する方法は非科学的であっても有用性の高い問題解決法の一つとなる。
科学を重視しすぎて否定証明をやっていても問題は解決しない。科学的には二律背反が生じ、解けない問題でも解かなければいけないのが技術者なのだ。声のでかい科学者にはそのような説明は、KKDでしか問題が解けないアホのたわごとと言われている。
当時に比べれば大きく時代が変わったと当方が感じるのは、この声の大きい科学者のおかげだと感謝している。少なくとも1980年代まで日本中は科学思想一辺倒だったのだ。
当時のゴム会社の研究所の状況は統一教会問題同様に反省が行われても良いとさえ感じている。年収の半分もしたMZ80Kのシステムを購入させられたのである。
1980年代に一部の科学者の手による科学見直しの機運が出てきて、アメリカではトランスサイエンスと言う言葉が生まれている。しかし、バブル崩壊と同時にこの機運も吹き飛び、トランスサイエンスが改めて日本で取り上げられたのは2000年代からである。
科学誕生により産業革命以降急速に技術が進んだ。ただし、これは科学により真理の積み重ねが成された結果であって、それゆえ科学が唯一の技術開発の方法と信じるのは、紀元前から人類が営みとして進めてきた技術開発の蓄積を否定するものである。
科学同様に技術開発を進める思考方法の存在を古い遺跡などから知ることができる。直感が必要となるユークリッド幾何学も改めて見直し、科学教育同様に扱った方が良いと思っている。
カテゴリー : 一般
pagetop
データサイエンスで用いられる多変量解析は、1970年代に体系として完成し、心理学や社会学でよく用いられるようになった。技術分野では、科学的ではないという理由で敬遠する科学にかぶれた技術者が多かった。
日科技連の新QC7つ道具にも採用されたが、それでも1990年代まで十分に普及しなかった。利用できるソフトウェアー環境が大型コンピューターに限られた状況も影響していると思っている。
PC9801が登場し、16ビットコンピューターが普及し始めて、多変量解析のソフトウェアーが数種販売されている。8ビットが普及していた時代にそのようなソフトウェアーは販売されていなかった。
当方は、MZ80Kを購入した時にFDOSも導入し、フロッピーをメモリー空間として使用した多変量解析のソフトウェアーを作成している。但し、10変数程度の重回帰分析で結果が出るまでに30分程度かかった記憶がある。
それでも大型のIBM3033を動かすことに較べれば、楽であった。IBM3033の場合には、依頼書を作成し、データはパンチカードで入力する必要があった。データを入力してもPOSシステムの合間の計算となるので、翌朝まで待たされる時もあった。
計算時間は早くても始まるまでに時間がかかったのである。それを考えるとデータを入力後30分で結果が出る環境は最高だった。
会社の独身寮だったのでプリンターの騒音も会社の仕事が免罪符となり、文句を言う同僚もいなかった。当時のユニハンマー方式によるプリンターの騒音はすごかったので段ボール箱をプリンターにかぶせていた。
しかし、コンピューターを自由に使えたおかげで、統計計算はじめ各種配合計算は簡単にできた。ゆえに当時の研究所ではQC手法が敬遠されていても統計計算をふんだんに取り入れて報告書が作成された。
喜んだのは上司である。CTOの前におけるプレゼンではQC手法でデータ整理されている必要があった。普段は科学的方法でデータ整理していたので、報告直前に必要なデータをQC手法に秀でた高卒スタッフを動員してデータのまとめなおし(捏造かもしれない)をしていた。
それが日常からそのようなデータが提供されたのである。発表前にわざわざそのためのデータ整理の手間をかけなくてもよくなったのだ。ただし、これらの成果は当方の年間給与の半分が投入されたシステムから出ていたのである。
カテゴリー : 一般
pagetop
コンピュータを道具として使うためには、プログラムを組まなければならない。プログラムを組んでやればコンピューターに接続された機器の種類に応じてコンピューターの道具としての役割が決まる。
すなわち、コンピューターはプログラムが無ければ、道具としての役割が明確とならないおもしろい道具、あるいはその道具としての機能が決まっていない道具である。
ところで、プログラムを記述するためのコンピューター用の言語は、コンピューターが登場してからいろいろ開発されてきたので様々な種類がある。現在主流になっているのはオブジェクト指向の考え方を実装した言語である。
C#は、純粋なオブジェクト指向言語と呼べるが、C＋＋はCと同じようなプログラミングスタイルでもプログラム可能なのでオブジェクト指向でプログラミングできる言語となるだろう。
このようにC＋＋をとらえると、Cも構造体を工夫して用いるとオブジェクト指向もどきの記述ができるのでC＋＋に近い言語と見なすこともできる。Cのこの柔軟性ゆえに半世紀近く前に登場した手続き型言語であるのに未だ生き残っている。
かつて、用途ごとにプログラム言語は発展してきたように思われる。すなわち、コンピューターを道具として使うためには言語が必要となるが、その道具としての機能を記述しやすいように設計された言語として発展したので様々な言語が登場した、と感じている。
例えば科学計算用にはFortrunが、天体望遠鏡の制御用にForthが、事務処理に便利なｄBASEといった具合である。Cが登場したあたりから、いろいろな目的に使用できる言語としてコンピューター言語が設計されてきた。
今エンジニアの誰もが使うようになったPythonもそのような目的で設計された言語であるが、C言語を厳格な柔軟性で設計された言語と表現したならば、可読性を重視した柔軟性の言語と呼べるような特徴がある。
ゆえにズボラなプログラマーが組んでも可読性の高いプログラムとなる。この特徴ゆえにチームでプログラムを分担して作る時に統一された読みやすいプログラムが誰でもできる。
Cの場合にはチーム内でそのスタイルを統一しておいたとしても、読みにくいプログラムとなる。この読みにくさは、昔小林秀雄の文章が難文として揶揄されたような文体の問題に近いところがある。
この読みにくさにより思考が止まる。書いた本人とコンピューターが理解できたとしても、他のプロジェクトメンバーが理解できないプログラム、というのもCを用いるとできることになる。
カテゴリー : 一般
pagetop
まさかり投法で一世を風靡した村田氏でも５０歳以下には顔すらわからないのだろう。その結果の暴力事件としてとらえている。
当方も空港で嫌な思いをしたことがあるが、当方の場合には検査員から、今回のニュースで報じられた以上の「暴力」を振るわれている。しかし検査員を訴えたりしていない。その場を見たわけではないが、村田氏の場合もその程度だったのだろうと想像している。
もし、村田氏が本当に暴力を振るったならば、被害者は入院していた可能性が高いのでそのような空想をしている。彼は、７０歳を過ぎたと言ってもまだ現役の投手である。昨年TVでその投球を見たが、当方のバットに当たるとは思えない球速だった。
このような事件は、何故か気持ちが暗くなると同時に現代を生きるときの注意を喚起してくれる。すなわち、現代は被害者が声をあげたら加害者の負けとなり事件が成立するので、誰でも法に触れる加害者となるリスクが溢れている社会である。
３０年以上前は、被害者がいくら声をあげたとしても加害者に忖度した周囲が多数で隠蔽化を画策する時代だった。今でも巨人の坂本選手のように大きな事件とならない事例も存在するが、隠蔽化までは至ってない。
さて村田氏の場合に当方が経験した以上の暴力だったのかどうかニュースでは不明である。理由はニュースに書かれたような暴力を当方は逆に検査員から受けたことがあるからだが、当方はその時に事件としないどころか検査員に何もされなかったように振舞っている。
その日は目的地についても首筋の痛みが取れず首を回しながら入国手続きの順番を待つことになったが、村田氏の事件では記事によれば誰もそのような傷害を受けていなかったようだ。その程度の暴力事件である。
カテゴリー : 一般
pagetop
かつて研究開発は仮説を設定し、その仮説を検証するために実験を行った。その実験結果が仮説を実証すれば、仮説が正しいとされ、仮説と異なる実験結果が出たならば仮説が間違っていた、という結論をだすのが科学の方法である。
イムレラカトシュは、その著書「方法の擁護」の中で、否定証明だけが完璧な科学の方法となりえる、と指摘している。しかし、科学で完璧になされた否定証明でも否定された仮説を支持する実験結果の前には、ゴミとなる。
例えば、ゴムからのブリード物で増粘し耐久寿命が無くなる電気粘性流体について、界面活性剤では問題解決できない、という否定証明がなされた。
この問題について当方は界面活性剤を主成分分析し、HLB値以外と相関する機能を界面活性剤に見出し、その機能が強い界面活性剤を用いて電気粘性流体の耐久性問題を解決し特許出願している。
科学的な否定証明が、たった一晩でなされた8ビットコンピューターMZ80Kによる主成分分析結果とそれを示す瞬間芸的実験でひっくり返ったのだ。
この科学という哲学の問題を高度経済成長期に議論され始め、アメリカではトランスサイエンスという用語が登場したが、バブル崩壊と同時にこの議論も消えた。しかし、21世紀となりトランスサイエンスが日本で話題になりはじめ書籍が出版されている。
背景に環境問題があり、科学に問うことができても科学で解けない問題の存在に世界中が気がついた。実は科学登場以前に人類は、遭遇する様々な問題に対して技術で解決し、科学誕生とともに産業革命を引き起こす機動力となっていた。
しかし、その技術的思考方法が科学誕生とともに最初に述べた仮説を基にした思考方法にとってかわった。この10年ビッグデータを基にしたデータサイエンスの話題が絶えない。
データサイエンスでは、現象に潜む機能因子と相関して表面に現れたデータを数学的に処理し、現象に潜む機能を予想する。すなわち、そこでは科学で求められた仮説の立案プロセスは最初に行われない。
あくまでも最初に行われるのはデータの数学的処理である。このプロセスは科学的と言えるかもしれないが、機能を予測するのは科学ではないのだ。あくまでも予測である。妄想かもしれない。
しかし、かつては非科学とされたこのような方法が、今科学的と言われたりしている風景を見ると、科学と非科学の境界が、少なくとも小生がデータサイエンスで仕事をしていたことが一因となり転職した時代から大きく動いたのだろう。
カテゴリー : 一般
pagetop
今一眼カメラの大半はミラーレスとなり、キャノンとニコンは一眼レフカメラの開発を辞めてしまった。唯一ペンタックスだけがミラーレスを開発せず、一眼レフの改良を行っている。
そのため、一眼レフで最先端のカメラを購入しようとするとペンタックス一択となる。１０年ほど前からこのような時代の流れとなり、当方もニコンZ7を購入したが、違和感があった。
ミラーレスは、ファインダーに見えている通りの画像が得られるので合理的である。ゆえに撮影で失敗したくない時には、ミラーレスが重宝する。目で確認した画像が得られるからだが何か少し違うのだ。
写真を趣味として撮ってきてアナログ時代からデジタル時代になって感じた違和感とも少し異なる感覚である。この違和感を探るために、一眼レフデジタルカメラで写真を撮り始めた。
その結果違和感の原因を理解できた。一眼レフデジタルカメラでは、まさに今の被写体をレンズから得られた光の画像として人間の頭で感じているのだ。
一方、ミラーレスカメラでは、今の被写体についてカメラが最適となるように判断した画像を人間の目で見て頭で理解していることになる。
前者では、被写体をどのようなデジタル画像として撮影するのか、すべて撮影者が責任を負うことになる。その結果失敗も生まれ、その失敗が残念であるかもしれないけれどうまく取れたときの快感を増加させていることは確かだ。
後者では、カメラがすべて絵作りをしてくれたものを人間が確認し、画像を残すという作業になる。前者に比較し、失敗画像はほとんど無い。
写真を撮る、という行為には、趣味の楽しみとする場合もあれば、仕事で失敗が許されない撮影の場合もある。前者は従来の一眼レフの方が、さらにはフィルムカメラの方がちむどんどんする。
カテゴリー : 一般
pagetop
データサイエンスにより界面活性剤の候補が絞られ、ゴムからブリードアウトした物質で増粘し機能を失った電気粘性流体を一晩で復活できた。
しかし、その手法は科学的ではない、という。科学的ではないことを当方も承知していたが、それを理由に検討しないというのは、問題解決の手段を狭める、と主張した。
当時アカデミックな研究を唯一の方法として推奨していた研究所は、科学的であることにこだわる硬直した研究者の集団だった。当方は、さらにヒューリスティックな解を示し、このアイデアを用いると現在検討中の電気粘性流体の性能を向上させることが可能、とこの議論の中で答えている。
そして、粒子構造が表面から内部にかけて抵抗が減少している傾斜機能粉体やコンデンサー状のナノ粒子が分散した粒子、ナノ粒子が分散した不均一粒子の３種の粒子を製造し、それらの性能を評価した。
驚くべきことに、それら３種の微粒子から製造された電気粘性流体は、当時世界最高の電気粘性効果を示した。短時間で得られたこの成果で周囲はびっくりして、科学的には怪しいがデータサイエンスで見出された界面活性剤で耐久性問題を解決しようという流れになった。
同時に会議前になると異常な事件が起きるようになった。データサイエンスを用いた問題解決法が非科学的とされた時代の出来事である。
科学と非科学との境界は時代により変化するとイムレラカトシュはその著書の中で指摘しているが、科学という哲学がどのようなものであるのか、あるいは人類が科学誕生以前から営んできた技術的思考による問題解決法を非科学的として封じることの愚かさにようやく日本人は気がついたのかもしれない。
日本人は、ようやくデータサイエンスの重要性に気がつき、義務教育にプログラミング教育を遅ればせながら取り入れた。そしてAIの実現にまっしぐらである。
おそらく、その次に来るのはAIに対する反省だろう。人間の進化の歴史を見るとこのような時代が到来することが予想される。
データサイエンスとAIを直接結び付けると、それを反省する時代が来ると予想されるならば、データサイエンスを人間の頭で結び付ければよいだけである。これが今データサイエンスにおける最先端の方法論だ。それは当方が転職してまでも改良し続けてきた方法論である。
カテゴリー : 一般 電気/電子材料 高分子
pagetop
