ブロックチェーンの本を一ヶ月間一日一冊読破して得たこと | ZhanKai Ma氏
捜狗拼音輸入法の生みの親、そして”TomatoWallet”の創設者でもあるZhanKai Ma氏は近頃「一ヶ月間ブロックチェーンに関する本を毎日読む」というチャレンジに取り組んでいるようです。
オフラインのミートアップやハッカソン、ブロックチェーンサミットを開催するにあたって、主催者は業界の専門家たちがブロックチェーンの分野における知識の共有、高水準の開発をし、革命を起こすことを望んでいます。
一つ言えることはブロックチェーンとビットコインからなる世界の進化は凄まじく速いということです。
Crypto Legendで「10,000ビットコインでピザを買った有名人」の例が挙げられています。ビットコインの価値が最も高い時、そのピザは1億ドルの価値がありましたが当時彼は90,000ビットコインしか所有していませんでした。
「このチャレンジにおいて興味深いのは本がいつ出版されたものなのか知るまでもなく文中の例によってそれがいつなのか示唆されていると言う点でです。」とMa氏は説きました。
ブロックチェーンのデータはどう違うのか
Ma氏はプロジェクトを通じてブロックチェーンの本質やいくつかの実用例を見て取ることができると言います。例えば、中国の大手ソーシャルメディアWeiboはデジタル著作権を強化するためにブロックチェーンを使用しています。
さらにブロックチェーンによってデータの扱いの変化も起こっています。古典的なデータは『器に入った真珠』、器の真珠をいくつか取って別のものを戻しても誰も気づかないという意味で比喩されています。しかしブロックチェーン上のデータはまさに『毛糸玉』のようです。データはハッシュ値によって紐づけられているため改ざんすることができません。ブロックチェーン上のデータを破壊することは不可能な作業なのです。- インターネットを破壊しようとすることに等しいです。限られた数の物理的な場所にデータをバックアップするFacebookやGoogleなどの古典的なデータは、何百万もの場所に接続されているブロックチェーンのデータとは異なり破壊される危険性が増します。
彼は一ヶ月間の読書によってブロックチェーンが特に金融業界で牽引力を得るようになった人類の発明であることを明らかにしました。
しかし、Ma氏は本サロンである警笛を鳴らしました。「ブロックチェーンは『チューリップ・マニア』や『ドットコム・バブル』に匹敵する人類史上最大のバブルだ」と。Ma氏は通貨システム、国際送金、サプライチェーンマネジメント、医療安全などの分野はすべてブロックチェーン技術の恩恵を受けると考えています。
深層畳み込みニューラルネットワーク | Bo Peng
Bo Peng氏は20年以上のR&D経験を持ち、AI、定量取引、ブロックチェーン技術の専門家です。彼はBlink社の創設者であり、『深層畳み込みニューラルネットワーク:原則と実践』の著者でもあります。第11回テクノロジーサロン”Chainging”-Chain/AIでPeng氏は『深層学習とブロックチェーンを統合する機会と課題』という講演を行いました。
AIから深層学習まで
Peng氏はGoogleのAlphaGoが深層学習やAIに及ぼした影響について強調しました。
AlphaGoは深層畳み込みニューラルネットワーク(DCNN)を使用して人間がどのようにゲームを行うかシュミレートすることができ、数百万のゲームをプレイすることでゲーム自体を改良していきます。
この成功は世界チャンピオンを筆頭にした地球上で最も優れたGoプレーヤーの記録を打ち破ることによってDCNNsがいかに短期間で強力なものになるかを示しています。
さらに有名人の顔の写真を膨大な量与えられた敵対生成ネットワーク(GAN)の例を挙げました。コンピュータは人間の入力を必要とせずに自動的に適切な補完手法を見つけるのです。(例えばシステムは人間が2つの目、1つの鼻を有することを自動的に認識するなど)
しかし現状の認識技術はまだその使用法に限りがあり不完全だと言えるでしょう。ほとんどのGANが扱う少量の入力(画像)や連続したビデオメッセージを処理する能力がないことから膨大な計算を要するからです。
DCNNsとGANは論理と統計にルールを区別できる自己開発統計モデルに基づいた全く新しい世代のAIシステムに移行しています。
論理的ルールの一例は、三角形の3つの角度の合計が常に180度であるという事例が挙げられます。一方で統計的ルールは、空に暗い雲が見えたら人はすぐに雨が降りそうだと予想するパターンが取れるといった具合です。
人間の思考には論理的思考と統計的思考が含まれます。AIの歴史を遡ると論理的及び統計的アプローチについての議論が幾度となく繰り返されてきました。現在は統計的アプローチが優位だという風潮があります。深層学習は古典的な統計計算であり、Goのように人間の直感をシュミレートするのを得意としています。
伝統的なプログラミングでは、ルールを覚えさせたコンピュータシステムに入力値を与えるとそれが答えを計算して出力していました。しかしDCNNsやGANsといった深層学習システムはデータの入力と必要な出力結果があれば、機械学習を用いて自律的にルールを見つけ出すことが可能です。現時点でのシステムは発見したルールを人間に検証してもらう必要がありますが、近い将来Auto MLによってその必要は無くなるでしょう。つまり完全に自律的に学習するシステムがこの世に誕生する日はそう遠くはないのです。
数学的な課題
深層学習は数学の観点からいうと行列の乗算のようなものです。線形代数(行列乗算)＋非線形代数(活性化関数)の各レイヤーの計算ごとにデータは変化します。現在、いい結果をもたらすAIシステムは100以上の計算層を有しています。
これはデータがこれまで以上に容易に入手できるようになったことが大きく関係しているでしょう。GPUの計算速度の向上も大きな要因です。ほとんどのシステムモデルは一般公開されており、多くのモデルには既成のコードがあるので特定のAIモデルを扱うことに対する障壁は非常に低くなっています。
Peng氏はDCNNsとGANsに関して今日存在する課題が次の3つの分野にあることを明らかにしました。それはデータ、計算、アルゴリズムです。
- データ:中央集権的なデータ市場に見られるようなデータに付加価値を与える方法
- 計算:計算を分散して行うことは難しいということ
- モデル(アルゴリズム):タスク取引と同じように
Peng Bo氏は”CloudMind”と呼ばれる新たな統合化を検討しています。このアイデアはAIにタスクを一つずつ学ばせるのではなく、複数のタスクを一度に学習するようにネットワークを訓練させるものである。これは業界内で『マルチモデル』と呼ばれる大変盛り上がった話題です。AIシステムを用いて画像を分析しながら同時に翻訳をこなすことが可能になるといった実用例が挙げられます。
【中国開催：Blockchain EXE × 8BTC #2】AI×ブロックチェーン：Yu Lang氏 | Roc She氏 Bytom, TensotoryとブロックチェーンのAIエッジについて | Yu Lang氏
