2020年春に次世代通信規格5Gの商用サービスが始まるのを控え、動画を軸とした日本の通信大手と海外IT大手との連携が活発になってきた。5Gは情報を伝える速度が速く、大容量のデータを高速に通信できる。データ容量の大きい拡張現実などを使った高精細な映像も利用しやすくなる。ドコモは契約者がAmazonプライムを一年間無料で利用できたり、KDDIはネットフリックスの会費を組み込んだ新料金プランの提供を始めた。課題は5G対応の端末代の価格で20万円以上と現状の2倍以上のものもある。11月27日 日本経済新聞
特定の層を狙った政治広告が投票判断を歪めるとの懸念が高まっているため、ツイッターが政治広告を全面的に禁止したのに続き、Googleも制限すると決めた。グーグルは米国で広告主が右寄り、左寄り、中立という政治的な立場などを基準にして配信対象者を絞れる機能を提供してきた。米国で政治広告が注目される背景には利用者の閲覧履歴を分析して、趣味や思想などを高度に推定できるようになった事情がある。11月23日 日本経済新聞
人口減少や高齢化が進み、公共交通の衰退、自動車運転免許の返納などで交通弱者が増え続けている中、次世代移動サービス「MaaS(マース)」の実験が各地で始まっている。MaaSは多様な移動手段をIT(情報技術)でつなぎ、検索、予約、決済をひとつのサービスとして提供するというイメージである。国土交通省と経済産業省は19年度、「日本版MaaS」の社会実装に向けて全国28地域で先行モデル事業を支援しており、地域ごとの課題を解決しながらまちづくりとの連携をめざしている。また、MaaSは自動運転や小型モビリティー開発、移動データを収集したビッグデータといった新たなビジネスが生まれるとの期待が大きい。
(2019年11月25日 日本経済新聞朝刊35面)
奈良市の世界遺産、平城京跡を舞台に観光分野やまちづくりのスマート化に向けた社会実験が始まった。実験は「スマートシティー」の実現を目指す国土交通省のモデル事案で、同省が管轄する17の国営公園では初めての取り組みとなる。民間9社と連携し、仮想現実(VR)技術で1300年前の都の威容を体験できるサービスや、画像やセンサーを活用した人流解析、自動運転サービスなどの実験が行われる。この成果を、自動運転車を使った街中での移動手段の提供や、各種施設や植栽の管理などに応用して、快適な街づくりに生かす考えだ。
(2019年10月30日 日経産業新聞5面)
2020年の東京五輪・パラリンピックでは、大会中に使う食品や木材などの製品ごとに「こういうものを使えば環境を破壊しにくい」といった調達基準が設けられており、そのルールが守られているか疑わしい場合に通報する窓口を大会史上初めて設けた。調達基準は木材や食品のほかに、観戦チケットに使われる紙など、大会の準備や運営のために組織委員会が調達するあらゆる物について定められる。五輪での環境配慮の取り組みが広く知られれば国民の関心も高まり、表面的な「持続可能性」ではなく、その後の社会の意識改革につなげられる可能性がある。(2019/11/14 日本経済新聞36面)
サントリー食品インターナショナルは、親会社が5月末にペットボトルを100％再生すると宣言した。こうした背景には、ペットボトルに置き換わる容器が見当たらないことや欧州を中心とする環境規制が厳しい地域においての事業拡大を目指すことが関係している。国際問題化する海洋プラスチックごみ(廃プラ)対策へのタイムリーな行動である一方、株式市場の反応は鈍い。ニッセイアセットマネジメントの坪井氏は「ESG投資を呼び込むためには、環境問題への取り組みを進めてから、それを外部にアピールすることが必要」と話す。(2019/6/25 日本経済新聞17面)
米上院が「香港人権・民主主義法案」を可決し、今後の焦点は大統領が法案に署名するか否かに移る。大統領選まで一年を切ったトランプ氏は中国との貿易交渉で部分合意をまとめる「実利外交」を優先させたいのが本音だが、法案を棚晒しにすれば、国内外から批判を浴びる。また、政権内からも強硬発言が出ており、ペンス副大統領は「香港問題が人道的に対処されなければ、中国との取引は極めて難しくなる」と人権や民主主義などを重視する議会と足並みをそろえた。一方で、中国も全人代や外務省、香港政府など七つの機関が「内政干渉」と猛反発しており、報復措置への言及も目立つ。第四弾の対中制裁関税は完全実施が十二月十五日に迫るが、香港情勢という火種を抱え貿易交渉での妥結が遠のく恐れも出てきている。（東京新聞11月22日）
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）
