月別アーカイブ: 2019年11月

米議会下院は二十日、上院が前日に可決した「香港人権・民主主義法案」を賛成多数で可決した。トランプ大統領は十日以内に法案に署名して成立させるか、拒否権を発動する。法案は、中国政府が香港の自治を保証する「一国二制度」が機能しているかを検証し、人権侵害が認められた中国政府関係者らに制裁を科す内容で、圧倒的多数で可決された。対して中国の王毅外相は「あからさまな内政干渉」と非難し、人民日報も法案を「紙くず」と評して報復措置にも言及した。一方、米国との貿易交渉については記者会見で「第一段階の合意に向け努力する」と述べた。（東京新聞11月21日）

AIは「Artificial Intelligence」の頭文字を取ってつけられた名前であり、日本語に訳すと「人工知能」となる。この名称は1956年にジョン・マッカーシーによって名付けられたものであり、すでにこの頃にはAIは研究者たちの間で認知されていたことが分かる。ここで、何故60年以上も前から存在している技術が現代になって急に注目され始めたのか、ということを疑問に思った人もいるかもしれない。その答えはAIのこれまでの進化の軌跡を辿りながら見ていこうと思う。 ★第一次AIブーム 推論と探索の時代 1950年代〜1960年代 1950年代にコンピュータが登場し始めた頃、AIは最初のブームを迎えた。そのブームは「推論と探索」を特徴とし、人間の思考を記号化しコンピュータに入力する研究が活発だった。簡単に言うと、あらかじめ決められているルール内で最適解を導くようにする研究が行われていた。例えば、複雑難解な迷路があったとして人間が解くには莫大な時間と知識を必要とするものでもAIはゴールまで簡単に辿り着くことができる。この技術さえあれば現実のどんな問題にも太刀打ちすることができると多くの人が期待していた。しかし現実に起こっている問題はルールやゴールといった明確な決まりや目標が定められていない事が多く、その枠組みの中でしか動くことができないAIは役に立たないと判断されてしまった。この時代のAIが得意としていたことはトイ・プロブレム(おもちゃの問題)でしか活用できないことが判明したため、AIに対する希望や期待は失われ、ブームの終焉と共に厳しい冬の時代を迎えることとなる。 ★第二次AIブーム エキスパートシステムの時代 1980年代〜1990年代 第一次AIブームから約20年が経過した1980年代に第二次AIブームが始まった。この第二次AIブームでは、エキスパートシステムと呼ばれる専門家（医師や弁護士など）しか知り得ない知識をコンピュータに学習させ、実際に役立てようとする動きが活発であった。仕組み自体は非常にシンプルで、その専門家が持っている知識をコンピュータが理解できるように記述しインプットするだけのものである。このシステムが完全になればAIが医師の代わりに症状を診断したり、弁護士に代わり法律を解釈し被告人の弁護をしていたのかもしれないが、ここである問題が浮上した。インプットする情報量が莫大であることだ。当時のAIには自分で学習する機能がないために人間がインプットしなければならない。このインプット作業は人間からしてみると終わりが見えないものであり、多くの人が限界を感じていた。問題はそれだけではない。AIにとっては知識とはただの文字列に過ぎないものであり、明確なルールや条件が一致しないと最終判断を下せないということだ。例えばお腹が痛いという患者がいた場合、胃が悪いのか、大腸が悪いのか、または小腸が…という具合に抽象的な表現の場合にはAIは弱い。その患者がただの腹痛なのにガンと診断されたり、最悪の場合にはガンなのにただの腹痛と診断されるケースも十分考えられた。これらの問題点から人類はAIに限界を感じると同時にブームも終わり、再び冬の時代が訪れた。 ★第三次AIブーム ディープラーニングの登場 2000年代〜現在 ここまで2回ブームを巻き起こしたAIだったが、共通した弱点があった。それはいずれもコンピュータは与えられた情報しか持つことができないということだ。しかし、その弱点をある技術が打ち消そうとしている。機械学習とディープラーニングである。実はこれらの技術こそが現代でAIが注目されている理由である。まずは機械学習から見ていこう。機械学習とは簡単に説明すると事例として多くのデータをあらかじめコンピュータに読み込ませ、そのデータを反復的に学習させることで特徴やパターンを見つけ出すことである。そしてディープラーニングはその機械学習を更に強化させたものである。違いを具体的に説明すると、赤いりんごと青いりんごそれぞれの写真を見せて区別させる際、機械学習ではりんごの色に着目するよう指定しなければ区別することができないのに対して、ディープラーニングは何に着目すれば良いのかを自分で学習し区別することができる。まとめると機械学習は人間がある程度学習の方向性をコントロールしなければならないのに対しディープラーニングは自分で学習を推し進めることができる。しかしこれはディープラーニングは人間の予測とは大きく異なるという危険性をはらんでいるとも言える。 以上がAIについての簡単な歴史と概要である。次は実際の事例を基に考えていこうと思う。

日本生産性本部は13日、日本の名目労働生産性が2018年度に1時間あたり4853円と、前年度を0.2%下回ったと発表した。名目生産性は足元の景気回復とともに伸び、13年度からは過去最高を更新してきたが、低下は7年ぶりとなる。18年度は消費の伸び悩みなどで働き手が生み出す付加価値の伸びも鈍った。また、人手不足感が強いサービス業が高齢者や女性ら短時間労働者の就労を増やしたことが、労働生産性を押し下げたとみられる。 （2019/11/14 日本経済新聞 朝刊）

後発薬の共和薬品工業（大阪市）は投資ファンドのユニゾン・キャピタル（東京・千代田）傘下で、事業モデルの転換を図る。人工知能（ＡＩ）を使い最適な治療法を提案するサービスなどを開発する。従来は親会社のインド後発薬大手ルピンの戦略に合わせ医薬品に注力していた。国内の医薬品市場が伸び悩むなか、収益源を多角化する。対策として中枢神経系疾患の治療・早期発見サービスに注力。患者の睡眠傾向などをＡＩで分析し、患者に適した治療方法を提案する。３年以内の実用化を目指す。早期発見サービスも２４年までの提供開始を想定している。ユニゾン傘下の調剤薬局や病院などとの相乗効果を引き出し、新事業を収益の柱に育てられるかが問われそうだ。 (2019年11月19日 日本経済新聞9頁)

人工知能（ＡＩ）の学習用データを量産する、「ＧＡＮ」と呼ばれる技術が台頭している。ＡＩの「深層学習」プロセスを加速でき、自動運転や医療などへの応用も期待される。手がけたのは京大発スタートアップのデータグリッド。「敵対」する２つのＡＩを利用した。片方のＡＩが目や鼻の形や位置を微妙に変えた画像を作ると、もう一方のＡＩがニセ物かどうか判別する。見破られた場合はＡＩがその原因を分析し、新たな画像を生成して再挑戦する。２つのＡＩが競い合ううちに、実物とみまがう顔画像を作れるようになる。ＮＴＴコミュニケーション科学基礎研究所の田中宏研究員は「コールセンターでの応答音声の合成」を視野に入れる。 (2019年11月20日 日本経済新聞12頁)

金融広報中央委員会は18日、2019年の「家計の金融行動に関する世論調査」を公表した。老後の生活資金を「就業による収入」で稼ぐと答えた世帯は48.2%にのぼり、現在の調査方式となった07年以降で最高となった。老後の生活資金源に関する調査では、調査を始めて以来、一貫して約8割の世帯が「公的年金」をあげている。年金が主な資金源であることは変わらない一方で、年金だけに頼ることへの不安や高齢者の働く意欲の向上により、老後の就業収入を考える世帯は増えている。 （2019/11/19 日本経済新聞 朝刊）

卒論　第一章

コメダ珈琲店を展開するコメダホールディングス（HD）がミャンマーで人材の育成を進めている。日本国内の人手不足を補うとともに、外国人材が帰国後も働けるようにミャンマーで出店を計画している。7月から現地の日本語学校と組んで人材育成講座を始めた。日常会話に加え、レジの打ち方、衛生管理など店舗運営も学んでもらう。費用は原則コメダが負担する。この資格で滞在できるのは最長5年。日本国内で経験を積んだ後、ミャンマーで店員の育成などに携わってもらう。ミャンマー人のキャリア形成にも役立ちそうだ。外国人労働者の中には日本で学んだ技術を生かす場が乏しく、帰国後は異なる仕事に従事する人も多い。現地に働く場所があれば雇用の安定につながる。(日本経済新聞10/15)

飲食店や小売店などで、外国人従業員は今や姿を見ない日はないほど定着している。中でも、深刻な人手不足に見舞われている24時間営業のコンビニエンスストアに欠かせない存在だ。ローソン芝浦八千代橋店では14人の店員のうち日本人は一人だけである。業務が複雑になっていることが日本人が敬遠する理由となっている。一方で外国人は急増して2019年3月末時点で約1万2千人と２年前の倍となった。外国人に30時間の研修をする。又研修施設を作り、接客などの基本動作を教えている。しかし外国人店員が増える一方で偏見を持つ客から嫌がらせを受けることもある。外国人材の受け入れを進める上で差別の防止や相談体制の充実は欠かせない。(日本経済新聞5/12)

一章:シェアリングエコノミーの現状と今後の動向 ・新しい経済構造の広がり シェアリングエコノミーは、2008年頃から米国シリコンバレー発の「民泊仲介サービス」や「配車サービス」などを筆頭に、この10年の間に急速に拡大していった。 そもそもシェアリングエコノミーが生まれた背景には、インターネットやスマートフォンといった技術の進歩と普及がある。つまり、テクノロジーの進化によって多くの人が位置情報や決済システムといったサービスを利用しやすくなり、個人間でのシェアが手軽にできるようになった。「必要な時に必要な分をシェアする」という発想が、テクノロジーの進化とともに、スマホなどのデジタル機器を抵抗なく使いこなす“ミレニアム世代”から支持されたことが、新しい経済構造の発展を促進したのだ。 ・市場規模 シェアリングエコノミーの市場規模一つにしても、経済効果の算出の試算方法も様々で経済規模、市場規模もいろいろだが、急激に成長するという観点は世界中で共通している。 総務省の「平成28年版情報通信白書」によれば、全世界のシェアリングエコノミーの市場規模は、2013年には約150億ドル（約1兆7000億円）だったものが、2025年には約3350億ドル（約37兆円）にまで拡大すると予測されている。（出典:PwC「The sharing economy – sizing the revenue opportunity」） 日本国内の市場規模は、2016年度には約503億円だったものが2021年度には約1071億円に達すると予想されている。（出典:矢野経済研究所「シェアリングエコノミー（共有経済）国内市場規模推移と予測」2017年）。 現在普及しているシェアサービスの多くは「空間・移動・スキル・モノ・お金」といった大枠で五つの領域に分類されるが、サービス提供が多岐にわたっているということも、シェアリングビジネスの可能性の一つである。実際にシェアビジネスは日増しに多様化しつつジャンルも増え続けているため、今後も間違いなく急成長市場であると言える。