GoogleのAIオープンソース成果物は3年前に誕生し、想像もつかないような多くの場所で使用されている。

2016年3月、人間と機械の戦い「イ・セドル対AlphaGo」は、人工知能の力を世界に知らしめた。この戦いの半年前に、 Google はすでにその基盤となる人工知能機能を世界に公開していました。

2015 年 11 月 9 日、Google は機械学習フレームワーク TensorFlow を正式にオープンソース化し、2018 年 11 月でちょうど 3 年が経過しました。 TensorFlow は過去 3 年間にわたって継続的に更新されており、2019 年にはバージョン 2.0 がリリースされる予定です。アプリケーションに関しても、Google は遅れをとっておらず、TensorFlow を使用して多くの製品を最適化しています。

Google は TensorFlow で製品をよりスマートに

Gmail でメールを書くと、システムが次の単語または完全な文をインテリジェントに提案します。 Google フォトを閲覧中に暗い写真が表示された場合、システムは自動的に露出を調整して写真を明るくするように促します。 Google 翻訳に文章を入力すると、システムは逐語的に翻訳するのではなく文章全体を翻訳できるため、翻訳の正確性と流暢性が大幅に向上します。 Google アシスタントに話しかけるときに、「Hey Google」という起動ワードを何度も言う必要がなくなりました。1 回の起動で複数回の会話を続けることができます...

Google の社内ソフトウェア プロジェクトの 80% 以上で、TensorFlow に基づく機械学習が使用されています。最新の例としては、自動で電話をかけることができる AI システムである Duplex があります。

2018年のGoogle I/OカンファレンスでGoogleが発表したDuplexは、言語理解、対話、時間制御、言語生成の機能を備えており、ヘアサロンやレストランなどの消費者向けの場所に電話して情報を問い合わせたり、予約をしたりするのに役立ちます。店員と会話する際には、人間のイントネーションを真似したり、間を置いたり、話を長くしたり、「えー」や「あのー」などの間投詞を使ったりすることもできます。

TensorFlow を使用して製品をインテリジェントにすることは、一般的な方法です。十分なラベル付きデータを持つ一部の垂直業界では、TensorFlow によってさらに大きな可能性を引き出すことができます。

「第二の太陽系」を発見したり、余震の位置を予測したりできる。

2017 年 12 月、Google とテキサス大学オースティン校は協力し、TensorFlow を使用してケプラー望遠鏡で取得したデータを分析し、2 つの新しい太陽系外惑星、ケプラー 90i とケプラー 80g を発見しました。ケプラー 90i がある恒星系であるケプラー 90 は、太陽系外で初めて発見された 8 つの惑星からなる系です。

ご存知のとおり、天文学は非常に大量のデータを扱う分野です。少し前に引退したケプラー望遠鏡は、トランジット測光法を使ってデータを収集してきました。

トランジット測光の原理は、惑星が恒星の前を通過すると、光の一部が遮られるというものです。ケプラー望遠鏡は、光曲線の「U」字型のくぼみに反映される恒星の光の弱まりを検出できます。

原理は単純ですが、ケプラー望遠鏡は膨大な量のデータを収集するため、一つ一つを手作業で確認するのは時間がかかり、労力もかかります。さらに、一部の惑星は非常に小さくて暗いのに対し、対応する恒星は非常に明るくて巨大なので、スポットライトの下でホタルを見つけるのと同じように、観察するのが非常に困難です。

GoogleのAI科学者たちは、この問題がGoogleフォトによる写真の分類と非常に似ていると考え、TensorFlowをベースにした機械学習モデルを構築し、1万5000個のラベル付き太陽系外惑星データでニューラルネットワークをトレーニングして、ケプラー望遠鏡が受信した信号が特定の太陽系外惑星からのものかどうかを判定しました。トレーニング後、モデルの判断精度は96%に達しました。

作戦が成功した後、このモデルは実際の戦闘に使用され、すぐに670個の恒星の周囲に2つの太陽系外惑星、ケプラー90系のケプラー90iとケプラー80系のケプラー80gが発見されました。

ケプラー90iの発見により、ケプラー90系は太陽系外で初めて知られる8つの惑星からなる系となりました。

天文学界では、私たちの太陽系に似た銀河には地球に似た惑星が存在する可能性があり、そこに生命が存在する可能性が高いというのがコンセンサスです。残念ながら、ケプラー90iは太陽に近すぎるため、年間の日照時間はわずか14.4日、表面温度は摂氏約427度で、炭素系生命が存在することはほぼ不可能です。

TensorFlow は、空中にあるものを扱うだけでなく、地震などの地上の問題も解決できます。地震による被害は避けられませんが、タイムリーな救助により損失を最小限に抑えることができます。

本地震が起きても、災害が完全に終わるわけではありません。数か月間余震が続き、本地震で揺れた建物が破壊され続けることもあります。地震学者たちは、タイムリーな救助活動を準備するために、余震の時間、規模、場所を予測するデータを使用する研究を行っている。

しかし、地震学の分野のデータは非常に複雑です。各地震イベントには、さまざまな地域の地表の構成要素、地震モジュール間の相互作用、地震波がエネルギーを伝達する方法など、多くの変数があります。データ内の関連性を見つけて余震を予測するために、手作業だけに頼るのは非常にコストがかかります。過去の経験法則とモデルに基づいて、地震学者は余震の時期と規模をより正確に予測できるようになりましたが、その場所を予測するのは比較的困難です。

この目的のために、Google とハーバード大学の研究者は TensorFlow を使用したディープラーニング モデルを開発し、13 万件を超える大地震を含むデータセットでトレーニングしました。このディープラーニング モデルは、複雑な地震データ間の相関関係をより正確に検出し、余震の場所を予測するために、冶金学で以前は一般的に使用されていたフォン ミーゼス降伏基準を導入します。

このモデルは現在、静的応力（より優れた予測）にのみ適用可能であり、動的応力には無力です。しかし、ハーバード大学の研究チームのリーダーであるフィービー・デブリーズ氏は、「余震の位置を完全に正確に予測するにはまだ長い道のりがあるが、この点で機械学習には大きな可能性があると思う」と述べた。

世界を救うために医療を実践する、AI for Good

医療は常に TensorFlow アプリケーションの重要な分野であり、現在、糖尿病性網膜症の検出、転移性乳がんの検出、心血管疾患の評価、がんの検出、医療記録の分析においていくつかの成果が得られています。

糖尿病網膜症の検出を例に挙げてみましょう。世界中で、4億1500万人の糖尿病患者が網膜症のリスクにさらされています。網膜症は早期発見すれば治癒可能ですが、適切な時期に診断されなければ回復不能な失明につながる可能性があります。

専門医が糖尿病網膜症を検出する最も一般的な方法の 1 つは、眼の裏側のスキャンを分析して、病気の兆候 (例: 細動脈瘤、出血、硬い滲出液など) があるかどうかを確認し、その重症度を判断することです。しかし、糖尿病が蔓延している世界の多くの地域では、糖尿病の検査を行える医療専門家が不足しています。この問題は南アジアで特に深刻です。

この目的のため、Google は 2016 年に米国とインドの医師と協力し、TensorFlow に基づくディープ ニューラル ネットワークをトレーニングするための 128,000 枚の眼底スキャン画像のデータセットを作成しました。 Google はニューラル ネットワークの診断結果を 7 人の専門医の診断結果と比較し、その結果が眼科医のチームによる診断結果と同等であることを発見しました。

この研究は2016年に発表されて以来、医学界から好評を博しています。 「この研究は、医療の新しい世界がどのようなものになるかを示している」とハーバード大学医学部のアンドリュー・ビーム氏とアイザック・コーエン氏は述べた。

現在、医療分野におけるGoogleの最新ニュースとしては、同社が新たにGoogle Health部門を設立し、AlphaGoを開発したDeepMindのヘルスケア事業をそこに組み込んだことが挙げられます。

実用的であるだけでなく、絵も描く

TensorFlow の真面目そうな外見に騙されないでください。惑星の発見、余震の予測、糖尿病網膜症の診断などに使われています。実は、芸術の分野でも非常に優れた能力を発揮します。 AutoDraw と同様に、落書きの一部を通常の絵画に変換するのに役立ちます。

操作手順も非常に簡単です。左から2番目のボタンをクリックして機械学習認識モードを開始し、数本のストロークを気軽に描画します。 AutoDraw はこれを即座に認識し、選択できるグラフィックをいくつか提示します。これらのグラフィックは 1 回のクリックで置き換えることができます。

AutoDraw が何を描いているかを推測できるのは、「Quick, Draw!」というプロジェクトのおかげです。このプロジェクトでは、クラウドソーシング モデルを使用して何千もの落書きを収集し、データセットを形成した後、モデルのトレーニングに使用します。モデルは、人がいつ描き始めるか、ペンの方向、いつ描くのをやめるか、何を描くかを理解できますか?

このプロジェクトは後に中国で実施され、「絵当てソング」と呼ばれる小さなプログラムになりました。このミニプログラムは7月に初めて公開されてからしばらく人気がありました。

(タイトル写真はWiredより)