機械学習のシステムはときどき人間をびっくりさせる…学習内容に忠実なだけで

機械学習の弱点や奇癖をまとめた、このシンプルなスプレッドシートは、それほど膨大ではないが、‘機械’の考え方を知るための楽しい資料だ。研究者のVictoria Krakovnaが作ったこのリストは、ロボットが法の精神と文字の両方に同時に従おうとしたときの、さまざまな状況を記述している。

たとえば下のビデオでは、機械学習のアルゴリズムが、ボートレースにただ参加するのではなく、円を描いてぐるっと回ったら高い得点が得られる、と学習した結果だ。

別のシミュレーションでは、“生きるためにはエネルギーが必要だが出産のエネルギー消費量はゼロ”、と学習した種族が、じっと座って動かない〔エネルギー消費量最小〕ライフスタイルを発達させ、もっぱら生殖行為〔エネルギー消費量ゼロ〕だけをして子孫を生産し、それを食べたり、それらにも生殖をさせて食料としての子孫を作らせる。Krakovnaはそれを、“怠け者の共食い種族”と呼んでいる。

もちろんこれらの‘機械’は本当の意味で“考えて”いるわけではないが、いくつかのパラメーターと、進化という能力と目標を与えられたロボットが、そのアルゴリズムに忠実に従って、おかしなことをしてしまう例だ。

あるテストでは、ロボットが自分の腕でテーブルを殴ることによってブロックを動かすことを学習したり、ある種の遺伝的アルゴリズムによってオシレーターの回路を作るはずのロボットが、隣接するコンピューターからの信号を拾うラジオを作ったりする。あるいは癌を検出するシステムが、悪性腫瘍の画像には目盛りがある、と学習して、大量の擬陽性を作りだしてしまう。

これらの例はどれも、‘機械’は正しく学習すると信じたために生じた、意図せざる結果だ。彼らは学習するけど、人間を当惑させることもある。機械学習とは、所詮、そんなものだ。機械が理解できるものだけを、学習しているのだから。

最後にもうひとつ例を: “絶対負けてはならない”、と学習したテトリスをプレイするロボットが、“負けないために無限に長時間ポーズする”。そいつに、負けて癇癪(かんしゃく)を起こすことを学習させたら、やっと彼は三歳児のレベルに達するだろう。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

ロボットも人間のように偏見を持つ、防ぎ方も人間集団と同じ

カーディフ大学とMITの研究者たちによる、おもしろい研究によれば、複数のロボットが一緒に仕事をするとき、偏見が生じることがある。チームワークをシミュレーションするロボットたちが、他のチームのロボットに対する偏見を表現した。研究者たちによると、“自動機械のグループが、お互いの振る舞いを単純に認識し、コピーし、学習することによって偏見が現れる”。

その理論をテストするために、研究者たちは、シミュレーターの中で簡単なゲームをした。そのゲームでは、評判や寄付の戦略に基づいて、外部の集団や、ロボットの個人的グループに寄付を行なう。そして、内部への寄付と外部への寄付を比較して、偏見のレベルを調べる。そのシミュレーションを動かすと、徐々に、外部に対する偏見が増えていった。

研究者たちは、シミュレーターの中で偏見を成長させることが、容易であることに気づいた。だからそれは、ロボットだけによる何かの自動運転をするときは、注意しなければならない問題だ。

カーディフ大学のRoger Whitaker教授は、こう述べている: “われわれのシミュレーションは、偏見が自然の強い力であり、それは進化して、容易に、仮想ポピュレーションの中で報奨により強化される。そしてそれにより、他者との幅広い接続性が損なわれる。偏見のあるグループから守ろうとして別のグループが、意図せずして偏見的になることもある。その結果、その仮想ポピュレーションに分裂が生ずる。偏見のそのような拡散は、逆転が困難である。差別を認識して他をコピーできる自動機械が、将来的に、人間の中に見受けられるような偏見的な現象に影響されてしまうことも、ありえる”。

おもしろいことに、“ひとつのポピュレーションの中に、はっきりとした違いのあるサブポピュレーションが多ければ多いほど”、偏見は減少する。これは、人間の偏見に関しても考えるべき、重要なポイントだ。

“サブポピュレーションの数がとても多ければ、偏見のないグループが共同して、搾取もいじめもされずに協力しあえる。これはまた、マイノリティーとしてのステータスを弱め、偏見の影響を受けにくくする。しかしながらこれは、成員が、自分たちのグループの外部との対話に向かう、より高い気質を持っている情況を必要とする”、とWhitaker教授は述べている。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa

Udacityが自動運転車シミュレーターをオープンソース化、Unityで実装されている

sim_image

自動運転車には、人間の脳に代わって自動車を運転するソフトウェアが必要だ。そこでオンライン教育のUdacityは、その分野のナノ学位(nanodegree)を設けている。その学科の教材の一つとして自動運転車シミュレーターがあるのだけど、同社はこのほどそのシミュレーターをオープンソースにした。ゲームエンジンUnityの知識や経験のある人なら十分理解できるし、新しいシーンをロードしたり、新しい仮想テストコースを作ったりできる。

自動運転車のソフトウェアに関する教育は、その多くが仮想環境で行われる。教育を実車でやるのは費用的にも、また規制という点でも難しいからだ。しかも、そのための安全な環境を確保するのも難しい。大きな投資をして実際に自動運転車を作るところならともかく、Udacityのような総合教育機関の手には余る、大きすぎる課題だ。

Udacityは自動運転車ナノ学位の教材の一環としてオープンソースの自動運転車を一台作っているが、そのコードは世界中の何百人もの学生たちから提供され、オープンソースのライセンスで利用できる。その詳細は昨年9月に発表されたが、使用車は2016年型Lincoln MKZだ。この車種が選ばれたのは、自動運転ソフトウェアやそのコンポーネントの世界で広く利用され、それらを自動運転ソフトウェアのデベロッパーのために売っている企業もあるからだ。

今回シミュレーターをオープンソースにしたのも、そういったオープン化努力の一環だが、この大きくて複雑な問題に取り組んでいる人びとに、さらに基礎的なツールが提供されることになるだろう。Grand Theft Auto Vのようなシミュレーションツールも、自動運転ソフトウェアの試運転には十分使える仮想環境を提供する、と実証されているが、ツールは多いほど良い。しかもUdacityのファウンダーSebastian Thrunは、以前Googleで自動運転車プロジェクトを指揮していた人物なのだ。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa))