フェイスブックの
AI研究所が考える
マシン・ビジョンの未来

5年前、画像読み取りソフトウェアの精度を高める点で、研究者は突如飛躍的な進化を成し遂げた。背後にあるテクノロジー「人工ニューラル・ネットワーク」が最近の人工知能開発の急激な盛り上がりを支えている（“10 Breakthrough Technologies 2013: Deep Learning”参照）。だからこそ、グーグルやフェイスブックで、ユーザーは自分が保存した写真を検索できるし、顔認識といった新機能を使えるようになった。

フェイスブックAI研究所の所長を務めるニューヨーク大学のヤン・ルクン教授は、マシン・ビジョン用途でニューラル・ネットワークを利用するにあたって先駆的な役割を果たした人物だ。ラクン教授によると、いまだに発展途上な部分はあるが、コモンセンス（常識）を備えたソフトウェアの開発につながる可能性があるという。

現時点でマシン・ビジョンはどれだけ進化していますか？

主役となるモノが目立つ形で写る画像で、最優先課題が被写体を分類することなら、実にうまく行きます。訓練用データが十分にあれば、ひとつのカテゴリーにつき1000ほどの被写体画像データがあれば、自動車ならブランドまで、植物なら種類まで、犬なら犬種まで、モノであれば非常に具体的な形で認識できます。もっと抽象的なカテゴリーの画像、たとえば、画像が風景なのか、夕日、結婚式、誕生パーティーなのかも判別できます。ほんの5年前、この種の課題を完全に解決できるか、はっきりしていませんでした。ただし、ビジョン（視認）という課題が解決できたわけではありません。

「未解決」の重要課題は何でしょうか？ …

人気の記事ランキング

1. This scientist rewarmed and studied pieces of his friend’s cryopreserved brain 10年冷凍保存の脳は「驚くほど良好」——蘇生は「まったく別の話」
2. Future AI chips could be built on glass AIチップの熱問題、解決策は「ガラス」　年内に商業生産へ
3. What do new nuclear reactors mean for waste? 新型原子炉が続々登場、核廃棄物管理の「手引き」は書き直せるか
4. The Pentagon is planning for AI companies to train on classified data, defense official says 【独自】米国防総省、軍事機密データでAIモデルの訓練を計画