人工知能とは

John McCarthy氏は 人工知能とはインテリジェンスな機械を作る科学’ と言いました。つまり人のように見て、聴いて、話して、考えて行動する機械、知能が必要な行動を機械を作る科学ということです。

 

人間のように思考する 人間のように行動する
機械が思考できるようにする 人間が行動するとき、知能が必要なことを機械が行えるようにする
理性的に思考する 理性的に行動する
認識、推論ができるようにする 目標ために与えられた条件によって行動する

しかし、まだ共通的な定義は明確にされず、上記の4つの人工知能の目標の観点で様々な定義が存在しています。

 

人工知能の定義を纏めるのが難しい理由は、時期によってその意味が変わるからです。

人工知能の技術は高度の技術というイメージがあり、人工知能の技術を採用した文字識別、チェス、機械翻訳などを現在には普通に誰でも使えるものとなり、人々がもう人工知能だと認識しなくなりました。

このように現在は実用化された分野が、人工知能だと呼ばれなくなることをAI効果(AI effect)と言います。

このAI効果によって人工知能の定義は ’まだ実現されていないもの’ という意味に再定義されます。

 

人工知能の歴史

1956年にJohn McCarthy氏の主催で人工知能についでの論議したダートマス会議で人工知能という用語が初登場しました。

このような人工知能を主題にした会議が行われた理由は初期コンピュータの発展に関連があります。

世界最初の汎用電子式パソコンであるENIACの圧倒的な計算能力を経験した人たちはこれからコンピュータが人間を超えることに異見がなく、ちゃんとした研究が必要だと考えたからです。

 

人工知能発展の歴史では3回の春と2回の冬があり、現在は第3次の春だと呼ばれています。ここでの春とは人工知能のブームがあった時期で、冬はその逆です。

1次の春はニューラルネットワーク(1950~1970年代)

2次はウェブ、ビックデータ(1980~1990年代)

3次はディープラーニング(2010~現在) です。

 

人工知能は人の知能を機械で実現しようとすることで3つに分かれ発展されました。

 

1.規則基盤(ルールベース)人工知能

過去には知能を機械的な計算で説明できるという ’計算主義’ を根幹として研究を進んでました。

この計算を行うためには計算過程を表す記号と演算のルールを決めなければならなかったため最初には規則基盤人工知能として発展しました。

この人工知能は専門システムとして発展され、商業的に使用されましたが、実の世界を記号で全て定義できるかという問題で衰退しました。

 

2.連結主義人工知能(コネクショニズム)

人の知能は頭脳の神経の連結から始まると仮定しています。

これは頭脳の低いレベルからモデリングして、外部の学習データを通じて値を変形して学習します。

’記号主義’ (上記で説明した記号で表現すること)との大きな違いは表現方式です。

連結主義ではある物をそれと関連した全ての情報を組み合わせで表現します。

これを ’神経網人工知能’ と呼びます。また、神経網人工知能は後でディープラーニングの基盤になります。

 

3.統計基盤人工知能

人間の知能と頭脳の構成を真似する過程より、解決しようとする’問題’そのものを統計的にどう解決するかにもっと集中しています。

これはより実用的に問題を解決しようとする考えから始まりました。

統計基盤方式はある問題について過去のデータを集め、統計的に流れを把握してから数学的に解決します。

の人工知能は実際のものを表現する特徴設計(Feature Design)、解決後に答えと比較する評価過程(Evaluation)、答えとの違いをモデルに更新する最適化過程(Optimization/Parameter Update)の3つになっています。

現在は自然言語処理などの様々な分野で開発されています。

 

人工知能の概念の関係

人工知能が一番広い概念で、人工知能の実装方法の一つが機械学習です。

この機械学習の中の一つがディープラーニングです。ディープラーニングはまた人工神経網の一つです。

 

今回は簡単に説明します。

機械学習は外部からもらったデータで自ら学習することです。

ビックデータを分析、加工し、新しい情報を得たり、未来を予測する技術で、過去から蓄積されたデータをもとに関連性と特性を見つけ出し結果を出します。

機械学習はまた3つに分けられます。

入力値と結果値(ラベル)を持ち学習する指導学習、入力値だけで大量のデータを分析して共通点を見つけ出し結果を出す非指導学習、ある構想により補償を得て最善の行動を学習する強化学習です。

ディープラーニング(deep learning)はパソコンが多数のデータを利用し、人間のように自ら学習できるよう、人工神経網を基盤で構築した機械学習技術です。

蓄積したデータを分析だけではなくデータを学習する機械を活用して結果を出します。

これは機械学習と人間の脳を真似した神経網ネットワークを加えたもので、人間の脳が多くのデータの中でパターンを見つけ出し、ものを識別する情報処理方式を採用することで機械学習の限界を乗り越えました。

 

人工知能の問題

人工知能にも様々な問題点があります。

①自動化処理で仕事の量が減りますが、それに伴いAIができる仕事には人間が必要とされなくなり職場が減ることです。今はクリエイティブな作業までできるようになってきましたので未来には人間が必ず必要とされる職場がなくなるかもしれません。

②これからは単純肉体労働は機械ができるため、人工知能の技術持つ企業の独店体制に強化される可能性があります。実際現在世界で一番大きな企業と言うとMAGA(Microsoft, Amazon, Google, Apple)と呼ばれるIT企業です。

③世界中のインターネット上のデータ全てを基に人工知能は学習・高度化していきますが、このビックデータをフィルターをかけずに全ての情報を受け入れるとすると、人間の間違った価値観(差別や悪意のある情報等)をそのまま受け継いでしまう可能性があります。

④人工知能の誤作動のため自己が起きてもまだその責任についでも法律がしっかりと備えてないし、倫理的な問題にも明確ではないです。

 

これで人工知能について軽く説明しましたが、もっと詳しくは勉強しながらこれから書こうと思ってます。

実は最近自然言語の素晴らしいAIが開発されてそれについても紹介したかったですが、それはまた次回にします。