新興テクノロジーの最前線で活躍
『MIT Technology Review』選出の次世代イノベーター2人が語るAIとARの未来
MIT Technology Reviewが毎年発表する「35歳未満のイノベーター」の中から、注目の2人を紹介する。
MIT Technology Reviewが毎年発表する「35歳未満のイノベーター(Innovators Under 35)」は、AI(人工知能)やVR(仮想現実)、ロボット工学、そしてセキュリティの分野で困難な問題に取り組み、顕著な進歩を遂げている個人を表彰する。2017年のリストには、敵対的生成ネットワークの発明者であるイアン・グッドフェロー氏と、AR(拡張現実)のセキュリティに重点的に取り組んでいるフランチスカ・ローズナー氏が含まれた。受賞者は、米国マサチューセッツ州ケンブリッジで開催された年次カンファレンス「EmTech」で、自身が取り組んでいる研究内容に関する短いプレゼンテーションを行う機会が与えられた。以下、両氏氏の持論を紹介しよう。
イアン・グッドフェロー氏と敵対的生成ネットワーク
機械学習で苦労する点の1つは、トレーニング用データにラベル付けをするのに工数がかかることだ。「2013年のGoogleストリートビューでは、人間の能力をはるかに上回る正確さで読むことができる、最初のシステムを構築した」とGoogle Brain(Googleのディープラーニングプロジェクト部門)のスタッフリサーチサイエンティストであるグッドフェロー氏は語った。「その際、われわれは1000万枚以上のラベル付き画像のデータベースを使ってそれを実行した」
2014年にグッドフェロー氏は、このプロセスをより効率的にするための取り組みを始めた。モデルが予測するものと、人間がモデルに対して予測してもらいたいと望むものとの差を最小限に抑えるために、同氏は従来のモデル最適化に依存せずゲーム理論を応用した。このAI技術は「敵対的生成ネットワーク(GANs)」と呼ばれ、AI業界では現在、ホットな話題となっている。
人間が指導や監視をしない2つのニューラルネットワークが「トレーニング用データを作成するに当たり、その分散について全てを学習するためにゼロサムゲームで互いが対抗する」とグッドフェロー氏は述べた。識別者ネットワーク(discriminator)である1つのモデルは、画像が本物か人工的に作成されたものかを判断しようとする。もう一方のネットワークモデルは、本物と非常に良く似た画像を生成して、識別者モデルをだまそうとする。最終的には、識別者モデルが本物の画像と人工的に作成された画像とを区別できなくなるまで、このプロセスは繰り返される。
これら2つのニューラルネットワークは、ラベル付けされたデータを使用せずに、互いに学習していく。そして今のところ、この手法は有望である。100枚の画像を使用したGANsは、ほんの数年前に6万枚の画像で学習した従来のモデルと同程度の精度を達成した。
フランチスカ・ローズナー氏と拡張現実(AR)のセキュリティ
ARテクノロジーのメリットは簡単に思い浮かべることができる。例えば、台所の流し台の修理方法を示した画像に説明文をオーバレイ表示したり、実際の道路にデジタルで作成された道順を表示したり、夕食を料理するときのガイドとして利用したりする使い方がある。
しかし、潜在的な負の側面もあると、ワシントン大学コンピュータサイエンス工学の助教授であるローズナー氏は語った。意図的に実在するオブジェクトから注意をそらしたり、見えないようにしたりするマルウェアをユーザーが無意識にインストールしてしまったとき、何が起こるだろうと彼女は問いかける。また、ユーザーが、ARアプリケーションやプラットフォームがユーザーの全ての動きを記録、分析していることが分かったとき、どうなるのかとも。
「私の研究は、セキュリティ、プライバシー、そしてエンドユーザーの安全の保護など、新興ARテクノロジーとのクリティカルなギャップに対処することだ」とローズナー氏は語った。
ローズナー氏と彼女のチームは、データセンサーのセキュリティから仮想コンテンツの安全性リスクに至るまで、潜在的なリスクと脆弱(ぜいじゃく)性を識別し分類することから始めた。次に、アプリケーションが表示しようとしている仮想コンテンツに対する安全ポリシーの施行など、脆弱性を緩和できるARプラットフォームの開発に着手したという。
ローズナー氏の研究はまだ始まったばかりだが、ARテクノロジーが広く普及していないうちにこれらの脆弱性に注意を払うことは非常に重要だというのがローズナー氏の主張だ。
ローズナー氏は「私の研究は、これらのテクノロジーがセキュリティ、プライバシー、安全性リスクに左右されずに最大限の可能性を発揮できるようにする基礎を築くことだ」と語った。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
プレミアムコンテンツ
[アイティメディア株式会社] AI活用を成功に導く「オブジェクトストレージ」 NAS/SANの限界を突破するには -
プレミアムコンテンツ
[アイティメディア株式会社] 「性能ならSSD」「大容量ならHDD」はもう古い? 変わるストレージの常識 -
プレミアムコンテンツ
[アイティメディア株式会社] 「オンプレミス回帰」がまさかの失敗に クラウドをやめずに安くする最適化手法 -
事例
[発注ナビ株式会社] AI活用を成功させる企業とそうでない企業の違いとは? -
製品レビュー
[発注ナビ株式会社] システム開発「はじめの一歩」 押さえておきたい基礎知識と失敗を防ぐ方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
SAP移行で1900億円の赤字 「ベンダー任せ」が招くERP崩壊と回避策
-
2
「VMware vCenter」でゼロデイ悪用、PHPも修正――今朝の情シスニュース
-
3
「Copilot利用率99%」デンソー驚異の定着術 3万人を動かした“社長賞”の舞台裏
-
4
「GPT-6.1 Terra」は半額 それでもなぜ企業はAIモデルを選べないのか?
-
5
「nginx」のHTTP/2脆弱性(CVSS 9.2)、パッチ適用までの緊急チェックリスト
-
6
積水化学工業が「SAP S/4HANA Cloud」の“全グループ導入”に踏み切った訳
-
7
AIに長文を入力する際の「コンテキストウィンドウ」の適切な扱い方はどれ?
-
8
“アジャイルの壁”に挑むオリックス生命がIBMの開発管理ツールを選んだ理由
-
9
「Chrome」「Edge」「Firefox」のメモリ使用量はどれだけ違う? 測定してみた
-
10
「Active Directory」復旧で“詰む”企業が続出 ランサムウェアに備える4対策
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
SCS評価制度時代の「SASE選定」ガイド
-
3
Microsoft 365 Copilotを安全&効果的に活用するために必要な「2つの準備」
-
4
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
5
パスワード管理だけで十分? 特権アクセスを脅かす暗号鍵の放置リスクとは
-
6
すぐ分かる「AWS WAF」ガイド:特徴・運用課題・メリットを解説
-
7
マンガで解説:情シスの負担を減らす「MDRサービスのインシデント対応」の中身
-
8
「Copilot Cowork」でこう変わる AIエージェント時代の新たな働き方とは
-
9
AI活用で激化する外部・内部リスク、取引先へ波及する脅威から守る対策とは?
-
10
Microsoft 365 Copilotで実際何ができる? 回答の精度を高めるRAGとは?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー