AIとロボット工学の新たな境地、CMUコンピュータサイエンス学部長マーシャル・ヘバート氏
今週のGeekWire Podcastでは、ピッツバーグのカーネギーメロン大学コンピュータサイエンス学部の学部長、Martial Hebert氏とともに、ロボット工学と人工知能の最先端技術について探ります。
コンピュータビジョン分野のベテランコンピュータサイエンティストであるヘバート氏は、カーネギーメロン大学（CMU）の名門ロボティクス研究所の元所長です。フランス出身の彼は、先日シアトル地域を訪れた際にGeekWireのオフィスを訪れ、2年ぶりにポッドキャストに直接出演するという栄誉に浴しました。
お聞きになるとおわかりのように、私たちの議論は、GeekWire のニュース チームが近々ピッツバーグへ向かう旅の予告も兼ねており、2018 年に一時的な GeekWire HQ2 が置かれていたこの都市を再訪し、Cascadia Capital の支援を受けて開催された Cascadia Connect Robotics、Automation & AI カンファレンスのレポートをお届けします。
会話の抜粋は、明瞭さと長さを考慮して編集されており、引き続きお読みください。
以下からお聞きいただくか、Apple Podcasts、Google Podcasts、Spotify などお好きなポッドキャストサービスで GeekWire を購読してください。
なぜシアトルにいらっしゃるのですか？今回の西海岸旅行で何をされているのか、少し教えていただけますか？
マーシャル・ヘバート：私たちは多くのパートナーや業界パートナーと協力しています。今回の訪問の目的は、AIとロボティクスに関する様々なトピックについて、こうした協力関係を構築し、強化することです。
GeekWireがピッツバーグに来て4年が経ちました。コンピューターサイエンスとテクノロジーの分野ではどのような変化がありましたか？
自動運転技術を手掛けるAuroraとArgo AIは、急速かつ着実に事業を拡大しています。ロボット企業のネットワークとエコシステム全体も急速に拡大しています。
しかし、拡大に加えて、コミュニティ意識も高まっています。これはベイエリアやボストン地域で長年続いてきたものです。過去4年間で変化したのは、ピッツバーグ・ロボティクス・ネットワークのような組織を通じて、私たちのコミュニティが大きく強化されたことです。
自動運転車は、今でもコンピューター ビジョンと自律システムの最も有望な応用分野の 1 つでしょうか?
これは、交通機関や公共交通機関など、人々の生活において非常に目立ち、潜在的に大きな影響を与えるアプリケーションの一つです。しかし、それほど目立たないながらも、非常に大きな影響を与える可能性のあるアプリケーションも他にも存在します。
例えば、健康に関わるもの、そして様々なセンサーから得られる健康信号をどのように活用するかといったことは、潜在的に大きな影響を及ぼします。人々の習慣を少しでも変えることができれば、人口全体の健康状態や経済に大きな変化をもたらす可能性があります。
現在、ロボット工学とコンピューター ビジョンの分野で見られる最先端の進歩にはどのようなものがありますか?
非常に興味深く、将来性があると思われるテーマをいくつか紹介したいと思います。
- その一つは、ロボットやシステムではなく、人間に関わるものです。人間を理解する、つまり人間とのインタラクションを理解し、行動を理解し、予測し、それを用いてAIシステムとのより統合的なインタラクションを実現するという考え方です。これにはコンピュータービジョンも含まれます。
- その他の側面としては、システムを実用的かつ展開可能にすることが含まれます。過去数年間、ディープラーニングと関連技術に基づいて素晴らしい進歩を遂げてきました。しかし、その多くは膨大な量のデータ、キュレーションされたデータ、教師ありデータの利用可能性に依存しています。そのため、多くの作業は、データへの依存度を低減し、より俊敏なシステムを構築することにかかっています。
人間の行動を感知し、理解し、予測するという最初のテーマは、生徒のやり取りや関わり方を感知するシステムという点で、教室にも応用できそうです。最近のテクノロジーには、そういったことがどの程度実現されているのでしょうか？
それには2つの答えがあります:
- 純粋に技術的な答えがあります。それは、観測からどれだけの情報、どれだけの信号を抽出できるかということです。そして、その点では私たちは驚異的な進歩を遂げてきました。そして確かに、非常に高性能なシステムも存在します。
- しかし、教育の分野において、これを効果的にインタラクションに活用し、学習体験を向上させることはできるでしょうか？これらのシステムを実際に導入するにはまだ道のりは遠いですが、大きな進歩を遂げています。特にCMUでは、学習科学科と協力して、これらのシステムの開発に積極的に取り組んでいます。
しかし重要なのは、AIだけではないということです。コンピュータービジョンだけではありません。テクノロジーと学習科学を組み合わせたものなのです。そして、この2つを組み合わせることが極めて重要です。例えば、この種のコンピュータービジョンを単純な方法で使用しようとすると、実際には悲惨な結果を招く可能性があります。ですから、これらの分野が適切に連携されることが非常に重要です。
様々な分野における様々な取り組みにおいて、これは当てはまると思います。かつては、コンピュータ科学者、ロボット工学者、人工知能の研究者たちは、分野の専門家抜きで、孤立した状態で開発を進めていたかもしれません。しかし、今は状況が変わりました。
実際、これは非常に興味深く、必要な進化だと私は考えています。例えば、私たちは（カーネギーメロン大学ハインツ情報システム・公共政策学部と）共同で、AIを公共政策にどのように活用できるかを理解するための大規模な活動を行っています。…本当に必要なのは、公共政策にAIを活用するための一般原則とツールを抽出することであり、それが両者の交差点におけるカリキュラムと教育内容へと繋がっていくのです。
AIの限界を明確にすることが重要です。そして、実際には、それが十分ではないと思います。AIの専門家ではなく、必ずしもAIの技術的な詳細を知らない人にとっても、AIが何ができるのかを理解することが重要であり、さらに重要なのは、何ができないのかを理解することです。
[このエピソードを収録した後、CMU はハインツ カレッジとコンピューター サイエンス スクールが関与する新しい学際的な責任ある AI イニシアチブを発表しました。]
コンピューター ビジョンやロボット工学を始めたばかりの場合、この分野ですぐにでも取り組みたい特定の課題や問題はありますか。
大きな課題は、AI および機械学習システムのパフォーマンスを特徴付け、そのパフォーマンスを評価し、そのパフォーマンスを予測するための、真に包括的かつ原理的なアプローチを持つことです。
古典的な工学システム――自動車であれエレベーターであれ、何であれ――そのシステムの背後には数百年にわたる工学的実践が存在します。つまり、形式手法――形式数学的手法、形式統計的手法――だけでなく、テストと評価のためのベストプラクティスも必要です。AIと機械学習には、少なくともそこまでの規模で、そうした手法は存在しません。
これは基本的に、システムのコンポーネントからエンドツーエンドのシステム全体の特性評価までを網羅するという考え方です。これは非常に大きな課題です。
スティーラーズの試合を観ている間にビールを持ってきてくれるロボットかと言いそうでした。
これは先ほど申し上げた限界の話に繋がります。私たちはまだ、これらのコンポーネントの特性評価という観点から、それらを適切に処理するためのサポート体制が整っていません。これが私の考えです。ビール配達ロボットを真に信頼できるものにするためには、これが非常に重要だと考えています。
Martial Hebert 氏のコンピューター ビジョンと自律システムに関する研究の詳細については、彼の研究ページを参照してください。
編集とプロデュースはCurt Milton、音楽はDaniel LK Caldwellが担当しました。
