【フィジカルAI時代】これから重要になる学問・学部は？

エデュの文系さんが、「プログラミングはAIで不要になる」といった意見を書き込んでいました。

ただ、プログラミングといっても一括りにはできないのではないでしょうか。

例えば、SaaSなどのソフトウェア開発と、ロボットや自動車などの組み込みシステムでは、求められる知識や技術がかなり違います。

組み込みシステムはプログラミングを使いますが、単にコードを書く仕事ではありません。
センサー、プロセッサ、通信、制御、モーターなどのハードウェアとソフトウェアを組み合わせ、「AIと現実世界をつなぐ実装層」を担います。

フィジカルAIの時代には、AIがコードを生成できるようになっても、それで終わりではありません。

AIを現実の機械で安全かつリアルタイムに動かすには、組み込み・制御・電気電子・機械などの知識が必要になります。

「AIでプログラミングが自動化される」という話と、「AIと現実世界をつなぐ技術の重要性がなくなる」ことは、別の話かと思います。

フィジカルAIの時代には、情報系オンリーではなく、「〇〇×AI」という融合型の学びも有力な選択肢になりそうです。

>「AI時代だから情報系」だけでなく、「フィジカルAI時代には、どの学問・学部が産業のどの部分を担うのか？」
大学受験・大学選びの観点から考えてみませんか？

①〜④については門外漢のためコメントはいたしませんが、これからは学部学科を複数専攻するダブルメジャーや就学年数を2年前後プラスして複数の学位を取れるダブルディグリーが日本でも重要になると考えます。また、工学系やIT系だけでなく医学（脳科学）や哲学等もその選択に入れた方がいいと思います。
国はIT人材を増やすことに躍起になっているみたいですが重要なのは質です。選択と集中により国立私立に関わらずダブルメジャー教育に耐えられる大学や人材に多額の補助をすべきですが果たして悪平等な日本にそれができるか疑問です。
あとですが私立文系学部を理転させるなら先ずはコミュニティカレッジ扱いとしてその中の優秀な人材は大学に編入、それ以外は現場で使える技術の習得の場とした方がコスト的によいのではないかと。

＞スレッド作成者: これからの理系人材不足について、考える


スレ主さんの投稿者名が「これからの理系人材不足について、考える」なので、文系学部の話は対象外かもしれませんが…

エデュでは「リテラシーレベルなんて役に立たない」といった猛抗議？も見かけますが、安宅教授の
「大卒者は8割方リテラシーレベルでデータサイエンスの素養を持っていたほうが望ましい」
という話は、もう少し真摯に受け止めた方がいいと思うけどね。

↓

＞◎ AIを活用できる人材の育成

数学が苦手な文系学生にとっては、ここが一つのハードルになります。

データサイエンスを学ぶ前提となる数ⅡBまでの数学が十分に身についていない大学生は、私立の上位校でも少なくありません。

日本の教育はレベルが高い一方で、数学嫌いを増やしている面も指摘されています。

だからこそ、「大卒者の8割方がリテラシーレベルでデータサイエンスの素養を持っていたほうが望ましい」という安宅教授の指摘は重要だと思います。

大学側も、いずれは「この状態の学生を入学させても、大学で十分な教育ができない」という問題に直面し、入試や入学要件そのものの見直しを迫られるのではないでしょうか。

（慶應義塾大学・安宅和人教授のインタビュー記事からの抜粋）

＞工学系やIT系だけでなく医学（脳科学）や哲学等もその選択に入れた方がいい


少なくとも「脳科学」については、すでに東大の機械Bのようなところで現実に起きている方向性なんですよね。

東大の機械Bを見ると、すでに「機械工学＋情報＋脳科学」のような研究が行われています。

フィジカルAIを考えると、機械×AIだけでなく、脳科学×AI、医学×工学、さらには人間工学×AIなど、異分野の融合が進む可能性もあります。

これから進学先を決める受験生は、「AIなら情報系」というだけではなく、自分の専門分野にAIをどう掛け合わせるか、という視点で大学・学科・研究室を見てみるのも面白そうですね

ダブルメジャーやダブルディグリーは理想としては面白いですが、工学系＋文系学部のような組み合わせは、かなり負担も大きそうですね。

フィジカルAIという観点では、まず一つの専門をしっかり身につけた上で、「〇〇×AI」のように隣接分野を組み合わせる方法でも十分可能性がでてくると思いますが。

文科省の「数理・データサイエンス・AI教育プログラム」における応用基礎レベルは、かなり重要な位置づけだと思います。

文科省は、応用基礎レベルを単に「AIを使えるようになるための教育」としているわけではありません。

公式には、

「自らの専門分野において、数理・データサイエンス・AIを応用・活用することができる応用基礎力」

の育成を目指しています。

具体的な育成目標を大きく分けると、次の3つ。

① データから意味を抽出し、現場にフィードバックする能力

単にデータを扱えるだけではなく、

データ → 分析 → 意味を読み取る → 専門分野・現場にフィードバック

というところまでを目指します。

② AIを活用して課題解決につなげる基礎能力

AI・機械学習などの基本を理解し、それを実際の課題解決に活用できる力です。

③ 自分の専門分野に数理・DS・AIを応用する力

ここが特に重要です。

「AIを専門にする人材だけを増やす」という考え方ではありません。

むしろ、

「自分の専門分野」＋「数理・データサイエンス・AI」

という人材を育てることが、応用基礎レベルの重要な考え方です。

工学部なら、

機械工学×AI
電気電子×AI
制御工学×AI

など、すでに大学でもこうした融合型の教育・研究が始まっています。

一方、文系についても、

文系学部×DS応用基礎レベル

という組み合わせは、まさにこの人材育成の方向性に合っています。

ただ、現状を見ると、国立大学では応用基礎レベルまでの履修が進んでいる一方、私大では、その前段階となるDSリテラシーレベルで苦戦している学生も多いという現実。

本来は、

文系学部DS応用基礎レベル

のように、自分の専門分野に数理・データサイエンス・AIを掛け合わせていくことが重要なのでしょう。

「AI人材を増やす」というと、情報系・AI系の学生を増やすことに目が向きがちですが、それだけではありません。

文系・理系を問わず、「自分の専門分野にAI・DSをどう掛け合わせるか」

という視点が、これからの大学教育ではますます重要になってくると思います。

スレ文の意図である、理系の議論を〜

フィジカルAIに必要な学問として、例えば、

・情報・AI → AIモデル、画像認識、機械学習、データ処理

・機械工学 → ロボットや自動車などの機構・構造・動作

・電気電子工学 → センサー、回路、モーター、電源、デバイス

・制御工学 → AIの判断を機械の動作につなげる

・組み込み・情報工学 → ハードウェアとソフトウェアを統合する

・半導体・デバイス → AIやセンサー、エッジ処理を支える基盤

・材料工学 → 軽量化、耐久性、電池などを支える技術

というように、それぞれに重要な役割があります。

「AIと、何を組み合わせて学べるのか？」が重要。

例えば「機械×AI」ならば、

岐阜大学・工学部 機械工学科 知能機械コース
ここはかなりストレートに、
機械工学 × 情報 × 電気電子 × 制御 × AI
です。

しかも研究室レベルでは、かなりフィジカルAIらしい研究があります。

伊藤・八田研究室では、
センシング
モーションコントロール
ロボットシステム
機械学習
画像認識
模倣学習
などを扱っている。

「模倣学習によるワイヤリング作業の自動化」や、機械学習による熟練作業の自動化など。これはまさに「AIを現実の機械に組み込む」領域です。

岐阜大学
さらに松下研究室では、
協働ロボットのAI教示
作業認知AI
3DAR×AI
マルチモーダルAI
自律移動ロボット
IoT
などの研究が行われています。

なので、岐阜大学を例にすると、
機械×AI
→ 知能機械コース
制御×AI
→ センシング・モーションコントロール＋機械学習
ロボット×AI
→ 協働ロボット・自律移動ロボット・作業自動化
IoT×AI
→ AI・IoT・Robot・3DVR/AR
と、かなり具体的に示せます。　

さらに面白いのが、岐阜大学には人工知能研究推進センターがあり、ロボティクス、知能情報、医学、応用生物科学、社会インフラなど、工学以外の分野ともAIをつなぐ構成になっています。


文系者の空間経済学さんのように、「三流理系は不要」と考える人もいるようですが、大学受験の偏差値だけでは測れない「学びの内容」もあります。

今回のスレのテーマである「〇〇×AI」という観点から見ると、岐阜大学はかなり分かりやすい例だと思います。

工学部の知能機械系では、機械工学をベースに、情報、電気電子、制御、ロボティクス、機械学習・AIなどを組み合わせた教育・研究が行われています。

「偏差値が高い大学かどうか」だけではなく、これからの産業に必要となる分野を、どのように組み合わせて学べるのか…

大学選びでは、こうした視点も重要になってくるのではないでしょうか。