写真 =「卒業者数1000人以上」の実就職率ランキングトップの金沢工業大 近年の傾向を踏襲して、2020年卒の大学生の求人倍率も高止まり。リクルートワークス研究所調べの求人倍率は、19年卒を0. 05ポイント下回る1. 83倍だった。相変わらず大学生の売り手市場が続いており、リクルートキャリア就職みらい研究所が発表している「就職白書2020」によると、採用目標数を充足できた企業は45. 7%に留まり、一般企業に内定した学生の内、52. 8%が第一志望群の企業だった。 こうした状況を背景として、大学通信が医学部と歯学部の単科大学を除く全大学を対象に行っている就職状況調査によると、20年3月卒の大学生の平均実就職率は、前年並みの88.
本学科の教育課程を十分に理解した上で入学を強く希望する者。 2. まちや地域、都市環境、社会インフラの課題の解決や今後の発展、関連する工学的な技術に強い関心を持ち、当該分野において将来の活動を希望する者。 3.
3. 4) 第32号千葉工業同窓会報 (修正版 4.
囲碁や将棋で人間と対戦するAIが、プロ棋士に勝てるようなレベルに達したことが大きいです。他にも、クイズを解いたり、大学の入試問題を解いたりするAIがニュースになっていますよね。 つまり、囲碁や将棋などを行うAIが人間を越えるレベルの精度や能力を持ったので、「このまま技術が進むと、非常に多くの分野で、人間にできないことができるようになるのではないか」という期待感から、様々なビジネスで注目されているのです。 例えば、レントゲンからガンの発見をするのに、もしかしたらAIがチェックしたほうが精度が高いのではないかということです。医療業界、それから車メーカー、ゲーム業界、あらゆる業界から注目されています。 ---すごく良く理解できました。松田さんは、大学を卒業してすぐにAI研究者になったのですか?! いえ、2009年に当時NECという会社の研究所で働いていたので、そこで自分で、会社に提案してはじめました。当時、AIはあまり注目されていなかったのですが、一方で、人間の脳の研究が進んでいたんですね。そうした研究に学びながら「脳ってそもそも何なんだ」ということを突き詰めていきました。脳は、視覚や聴覚といった、外から入ってくる情報を処理しているところなのですが、その入ってくる情報の1つである視覚情報の処理、すなわち「ものを見るってどういうこと?」という謎に注目して、研究しています。「ものを見る」というと簡単そうですが、実は、現状の技術では、ロボットは、目の前のコップも、机も、椅子も認識することができないんです。「認識とは何か?」「意識とは何か?」こういった問題は、最新の脳科学でも、まだまだ理解が進んでいない領域です。 ---高校生の中に、研究者になりたいと思っている人もいると思うのですが具体的な研究内容を見せてもらえたりしますか? はい。私が開発したAIが、1枚の衛星写真から(目視では見えない)飛行機をみつけたという研究をご紹介しますね。 これは、NP(国家プロジェクト)と言って、NECが政府と共同で行っていた研究プロジェクトに関係するものなのですが、「1枚しか衛星写真がないという条件で、写真から飛行機がどこにいるか、取り出せないだろうか?」というテーマがありました。飛行機を認識するためには、通常、何百枚も色んな角度から撮った写真を用意して、そこからパターンを作り飛行機の在処を特定するという処理が必要になるのですが、私たちの開発したAIは、一枚の写真を用意するだけで、飛行機を認識できるようなったという研究成果が得られました。 ---すごい成果ですね。この研究をはじめて成果がでるまで、どれくらいの時間がかかったのですか?
草薙素子と AI の倫理問題 松田卓也(以下、松田) シンギュラリティを実現する超知能はどんな形態になるのでしょうか?
AIに関することで、多くの研究者にとって不都合な真実が、まだ世間には理解されていません。 それは、AI研究者の大半は深層学習を専門にして「いない」ということです。 深層学習はAI研究の中では、機械学習という分野の、ニューラルネットワークという分野の、さらに一分野に過ぎません。 比率で言えば、95:5くらいの確率で、これまで「AIの専門家」と言われてきた人は深層学習の専門家「ではない」確率が高いわけです。 この些細な事実がなぜ「不都合」なのかというと、こうしてなにもかも一緒くたにされた結果、これまでほとんど成果の上げることができてなかった旧来のAI研究者に大量の予算がつぎ込まれることになってしまっているということです。 そして、今でもまだまだ国立研究機関では深層学習に懐疑的だったり、否定的だったりする研究者が大半です。少なく見積もって過半数、多く見て8割がたといったところではないでしょうか。 しかしその一方、世間で注目を浴びているのは深層学習です。 政府が予算を付けるのも、海外の会社が予算を投じているのも深層学習とそれに関連する技術だけです。 しかし日本では多くの予算が深層学習「ではない」ことに回されています。 例えば、「うちの会社はAIを導入して他社と差別化を測ります」と言っている企業の人に、「たとえばどんな技術を使うんですか? 」と聞いた時、「自然言語処理や深層学習ですね」という答えが返ってきたら要注意です。 なぜなら自然言語処理は、この30年、ほとんど進化していない技術だからです。もちろんその進歩がゼロとは言いませんが、この30年で発達したその他の技術、たとえばグラフィカルユーザインターフェースやグラフィックスプロセッシングユニット、半導体、アルゴリズムやアーキテクチャの劇的な改善に比べると、その成果はかなり見劣りします。 例を挙げましょう。 以下は有名なケネディ大統領の演説の一文です。 We choose to go to the Moon. We choose to go to the Moon in this decade and do the other things, not because they are easy, but because they are hard; because that goal will serve to organize and measure the best of our energies and skills, because that challenge is one that we are willing to accept, one we are unwilling to postpone, and one we intend to win.