「人工知能(AI)」とは、コンピュータ上などで人工的に人間と同様の知能を実現させようという試み、或いはそのための一連の基礎技術。

  • 人工知能(AI)とシンギュラリティ

人工知能(AI)とシンギュラリティ

「人工知能(AI)」とは、コンピュータ上などで人工的に人間と同様の知能を実現させようという試み、或いはそのための一連の基礎技術。

「人工知能(AI)」とは、コンピュータ上などで人工的に人間と同様の知能を実現させようという試み、あるいは、そのための一連の基礎技術。

目次

「人工知能(AI)」

  • 「人工知能(AI)」とは

人工知能の歴史

  • 第1次人工知能ブーム(1950年代後半~1960年代)
  • 第2次人工知能ブーム(1980年代)
  • 第3次人工知能ブーム(2010年〜)

人工知能の種類

  • 「特化型AI」と「汎用型AI」
  • 「弱いAI」と「強いAI」

人工知能のレベル

  • レベル1 制御プログラム相当
  • レベル2 多くのパターンに対応可能
  • レベル3 対応パターンを自動的に学習
  • レベル4 対応パターン学習用の特徴量も自力で獲得

「機械学習」と「深層学習(ディープラーニング)」の違い

  • 「機械学習」とは
  • 「深層学習(ディープラーニング)」とは
  • 「AI」「機械学習」「ディープラーニング」の包括的関係

人工知能の可能性

人工知能の応用例

技術的特異点「シンギュラリティ」

  • 技術的特異点「シンギュラリティ」とは
  • シンギュラリティの経緯
  • シンギュラリティが到来する可能性
  • シンギュラリティ到達予測年(2045年問題)
  • シンギュラリティに対する懸念
  • 「プレ・シンギュラリティ」(前特異点)

※参考サイト

「人工知能(AI)」

「人工知能(AI)」とは

「人工知能(AI:Artificial Intelligence)」についての厳密な定義については定まっていない部分がある。人工知能研究者/研究機関などのそれぞれの思想/考え方により、解釈や認識にずれが存在するためである。

「人工知能(AI)」定義例
  • 人工的に作られた人間のような知能
  • 人間のように考えるコンピュータ
  • 人間の脳が行っている知的な作業をコンピュータで模倣したソフトウェアやシステム
  • 人間の使う自然言語を理解したり、論理的な推論を行ったり、経験から学習したりなどの知的で発展的な作業をこなすことが可能なコンピュータプログラム
  • 知的な機械、特に、知的なコンピュータプログラムを作る科学と技術
  • 学習/推論/認識判断などの人間の知能を持たせたコンピュータシステム
  • データとして蓄積されたパターンを基に、相手や状況に応じた適切で柔軟な対応を選択できるシステム
  • 人間の知的営みをコンピュータに行わせるための技術
  • 人間/生物の知能を機械によって実現したもの、あるいはその研究分野
日常語としての「人工知能(AI)」

日常語としての「人工知能(AI)」は、非常に曖昧なものになっている。「家庭用電化製品の制御システム」や「ゲームソフトの思考ルーチン」までもがこう呼ばれる場合もある。

人工知能の歴史

人工知能に関する歴史は古く、1950年代にまで遡る。

過去2回の人工知能ブームを経て、現在は第3次人工知能ブームとされており、大きく飛躍することが期待されている。

第1次人工知能ブーム(1950年代後半~1960年代)

知的な機械について関する研究者として、イギリスの数学者「Alan Turing」が先駆者だといわれている。1947年に知的機械について講義を行っている。「AIは機械で製作するよりも、コンピュータプログラムによって研究されるべきである」と述べたといわれている。

多くの研究者がコンピュータプログラムにおけるAI研究を行い、1950年代後半~1960年代にかけて、第1次人工知能ブームとなった。コンピュータによる「推論」や「探索」が可能となり、特定の問題に対して解を提示できるようになったことがブームの要因である。

しかし、当時の人工知能(AI)は、シンプルな課題(迷路の解き方、定理証明など)を扱う程度の力しかなく、さまざまな要因が絡み合っている現実社会の複雑な課題を解くことはできないことが明らかになり、ブームは終息した。

第2次人工知能ブーム(1980年代)

第2次人工知能ブームは、1980年代に起きた。

コンピュータに「データ」(推論のために必要なさまざまな情報)を入力することで、人工知能が実用可能な水準に達した。

その結果、多数の「エキスパートシステム」(それぞれの専門分野に関するデータを入力することで、その分野の専門家のように振る舞えるプログラム)が生み出された。また、日本において、政府による「第五世代コンピュータ」と名付けられた大型プロジェクトが推進された。

しかし、コンピュータに推論を行わせるための「データ」は、人がコンピュータにとって理解可能なように内容を記述する必要があった。世の中の膨大な情報を、コンピュータが理解できる形で用意することは困難であるため、特定分野に限定した「データ」を利用するだけにとどまった。

このような限界から、第2次人工知能ブームは、1995年頃に終息した。

第3次人工知能ブーム(2010年〜)

2010年以降に、第3次人工知能ブームが起こっている。この流れは現在も続いており、AIは一過性の流行を超えて社会に浸透し、急激に発展している。「ITインフラの発展」と「AIが自ら学習するディープラーニング」などの要因が大きく貢献している。

第3次人工知能ブーム発生の主な要因
  • クラウドの普及
  • ビッグデータの普及
  • 「機械学習」の実用化
  • 2006年、「ディープラーニング(深層学習)」の登場
  • 2010年以降、MAZEデータの登場
  • GPUによる並列処理技術
  • 人工知能の影響力や脅威の伝達

人工知能の種類

「特化型AI」と「汎用型AI」

人工知能は、「目的」や「できること」により、「特化型人工知能」と「汎用人工知能」の2つに分類できる。

特化型人工知能(Narrow Artificial Intelligence)

「特化型人工知能」とは、個別の領域に特化して能力を発揮する人工知能である。

これは、特定タスクについて、人間と同等、もしくは、それ以上の処理をこなすことができる人工知能。

特化型AIの例としては、「画像分類」や「顔認識」などがある。

汎用人工知能(Artificial General Intelligence)

「汎用人工知能」とは、特定領域に縛られずに、さまざまな領域において、多様で複雑な問題を解決できる人工知能。

人類はまだこのレベルの人工知能を開発できていない。

「弱いAI」と「強いAI」

人工知能について「知能」という観点から、「弱いAI」と「強いAI」に分類される。

弱いAI

「弱いAI」とは、ある枠の範囲の中で考える人工知能で、「知能があるようにも見える」ものを指す。

このAIは、あらかじめ想定されている(プログラムされている)以外のことは行なえない。そのため、人間の知的な活動の一部と同じようなことをし、人間の能力を補佐/拡張する機能として期待されている。

特定の範囲内においては、すでに人間のレベルを超えはじめているものもある。

強いAI

「強いAI」とは、特定の領域に縛られず、枠を超えて考える人工知能。

「人間のようにものを考え、認識/理解し、自律的に学び、人間のような推論/価値判断のもとに意思決定を行い、実行できるもの」を指す。

人工知能のレベル

人工知能はおおまかに4段階に分類される。

レベル1 制御プログラム相当

「設定されたこと」のみを実行し、シンプルな判断のみを行う。

「人工知能搭載」のように宣伝される家電製品などのレベルで、気温/温度の変化に応じて出力を調整する「エアコン」「冷蔵庫」などが該当する。

レベル2 多くのパターンに対応可能

ルールを教えると、そのルールに則ってさまざまな動きや判断を行えるレベル。

「将棋プログラム」「掃除ロボット」「質問に答える人工知能」などの「弱いAI」が該当する。

人間の持つ知識をできる限り詰め込んでいるような段階である。

レベル3 対応パターンを自動的に学習

ある程度のサンプル数から自動的に「パターンとルール」を学ぶことが可能なレベル。

判断する軸となる情報があれば、データからルールを設定/学習してより良い判断を行える。「AならばBである」という構造について、1から100まですべて理解するのではなく、ある程度のパターンから推察して、候補となる選択肢から最も近いであろう選択を行えることを最大の特徴としている。

「Googleの検索エンジン」などに代表される「機械学習」に該当する。

レベル4 対応パターン学習用の特徴量も自力で獲得

レベル3の「パターンとルール」も人工知能が自ら学んで知識データとして積み重ねることができるレベル。

判断となる軸を自ら発見し、自分でルール設定を行い、判断を行える。

「ディープラーニング(深層学習)」が該当する。

「機械学習」と「深層学習(ディープラーニング)」の違い

「機械学習」とは

「機械学習」とは、世の中の特定の事象についてデータを解析し、その結果から学習して、判断や予測を行うためのアルゴリズムを使用する手法である。

機械学習では、特定のタスクを完了するための明確な手順について人がコーディングしたソフトウェアルーチンを必要としない。

「大量データ(数値、テキスト、画像、音声など)」と「タスクを実行する方法を学習できる能力を提供するアルゴリズム」に基づいて、マシンの「トレーニング」が行われ、ルールや知識を自ら学習し、「分類」する方法を自動的に習得できる。

使用事例としては、消費者の購買データを大量に学習することにより、「消費者の購入履歴」や「その消費者の年齢」などに適したオススメ商品を提示する機能などがある。

「機械学習」参考情報

→AnalyticsNews →機械学習とは

「深層学習(ディープラーニング)」とは

ニューラルネットワーク技術

「ニューラルネットワーク」とは、人間の脳の生物学的ニューロン間相互接続の仕組みの理解から着想を得たものである。

「深層学習(ディープラーニング)」とは、ニューラルネットワークを用いた機械学習の手法の一つである。

生物学的な脳は、すべてのニューロンが特定の物理的範囲内にあるすべてのニューロンに接続できるが、人工ニューラルネットワークでは、データの伝達において、層/接続/方向が個別に定義される。

ニューラルネットワークを利用して、層とニューロンを大幅に拡大し、膨大なデータをシステムで処理することで、システムのトレーニングを行う。情報抽出の多階層化により、高い抽象化を実現できる。

「機械学習」よりも優れている点

「深層学習(ディープラーニング)」は、機械学習の機能に加えて、「分類するための軸を自ら発見できる」点を特徴としている。

「機械学習」の場合は、「分類するための軸(特徴量)」を人が教え込む必要があるため、そのためのコストと時間が膨大になる傾向があり、最大の問題点になっていた。

「深層学習(ディープラーニング)」とは、予測したいものに適した特徴量そのものを大量のデータから自動的に学習できるため、「機械学習」における最大の壁を崩すことができる可能性を持つ技術として期待されている。

高度なプログラミングスキルが必要

「深層学習(ディープラーニング)」は、自分で特徴量を見つけ出すことができる優れた技術だが、「見つけ出す特徴」については、プログラマーがアルゴリズムに指示を出す必要がある。

そのため、精度を上げる(ロバスト性を高める)ための高度なプログラミングスキルを必要とする。

高いコンピュータ処理能力が必要

「深層学習(ディープラーニング)」は、膨大な計算を必要とするため、非常に高性能で高速処理が可能なコンピュータの計算能力が重要になる。

応用事例

ディープラーニングを利用した画像認識技術では、人間の能力を超えるまでになっている。「MRIスキャンでの腫瘍分析」や「血液におけるがんの手掛かりの特定」などの功績を上げている。

また、Googleの「アルファ碁」は、囲碁のルールを学習し、「アルファ碁」自身との対局を何度も繰り返してトレーニングを行い、ニューラルネットワークを最適化することにより、人間に勝利するレベルに達した。

注目技術

人工知能(AI)の研究テーマのうち、「ディープラーニング」に関する学術研究が特に脚光を浴びている。

「ディープラーニング」参考情報

→AnalyticsNews →ディープラーニング(深層学習)とは~その実装、アルゴリズムと画像認識~

「AI」「機械学習」「ディープラーニング」の包括的関係

「ディープラーニング」は「機械学習」に含まれ、「機械学習」は「AI」に含まれる。このように、この3者は包括的な関係になっている。

人工知能の可能性

人工知能は人間の頭脳では処理できない膨大な量のデータ「ビッグデータ」に掛け合わせることで、人類社会に大きな変革をもたらす可能性を秘めている。

人工知能の応用例

人工知能は、さまざまな分野への応用が期待されている。

  • エキスパートシステム(専門家の問題解決技法を模倣)
  • 機械翻訳
  • 画像認識(文字認識、画像理解)
  • 動画認識
  • 音声認識(音声理解)
  • 自然言語処理(言語解析)
  • 数値予測
  • 意図予測
  • ニーズ予測
  • 無人自動運転
  • 行動最適化(作業自動化) など

技術的特異点「シンギュラリティ」

技術的特異点「シンギュラリティ」とは

技術的特異点(シンギュラリティ)とは「人工知能が人間の能力を超えることにより起こる出来事」である。

「汎用人工知能」あるいは「強いAI」の知能増幅が可能となった場合に起こるとされている出来事であり、一度優れた知性が創造されると、以降は、さらに優れた知性が再帰的に創造され、人間の想像力が及ばない超越的な知性が誕生するという仮説である。

シンギュラリティとは、「人工知能が人間を超える」という曖昧なものではなく、「それまでの時系列と非連続な進化が突然起こる純粋な時系列上の特異点」ともされている。

技術的特異点(シンギュラリティ)の名称由来

「技術的特異点」とは、人類が人工知能と融合することで、生物学的思考速度限界を超越することで、現在の人類から見て、人類の進化速度が無限大に到達したように見える瞬間に到達することを意味している。

実際には、人類の進化速度が無限大になるということはないが、進化速度が極めて速く、数学的な特異点と同様に見えるため、このように名付けられた。

シンギュラリティ後の予測

科学技術の進歩を支配するのは、人類ではなく、「強いAI」「ポストヒューマン」であり、これまでの人類の傾向に基づいた人類技術の進歩予測は通用しなくなると考えられている。

シンギュラリティの経緯

現在のコンピュータの動作原理を考案したとされるジョン・フォン・ノイマン氏(1903〜1957)が、技術発展の文脈で初めて「シンギュラリティ」という言葉を使ったと言われている。

1993年、米国の数学者/SF作家のバーナー・ビンジ氏が、論文『The Coming Technological Singularity』で、シンギュラリティの概念を広めた。

2005年、人工知能の世界的権威であるレイ・カーツワイル氏が発刊した『The Singularity is Near』において、「シンギュラリティは2045年頃に実現するだろう」と具体的な時期を予想したことからさまざまな議論が巻き起こった。

2010年代以降、ディープラーニングの産業応用が進むと、マスメディアでも取り上げられるようになり、ある程度の一般層にも認知される概念になった。

シンギュラリティが到来する可能性

シンギュラリティの到来については、さまざまな意見が存在するが、多数の人がこの予測を肯定的に捉えている。

「技術的特異点を発生させる方法」「技術的特異点の社会的影響」「人類にとって理想的な形で技術的特異点を迎える方法」などが研究されている。

また、人工知能の進歩の仕方によっては、技術的特異点のような事象は発生しないと考える評論家も存在する。

一方、「技術的特異点」の概念は認めつつも、「特異点」となりうるのかについての議論も行われている。

シンギュラリティ到達予測年(2045年問題)

人工知能学の権威カーツワイル氏の予測

2030年までにコンピュータの計算能力が人間の知能レベルに達する。

2045年頃には、1000ドル程度のコンピュータの演算能力がおよそ10ペタFLOPS(人間の脳の100億倍)となる。

2045年は「汎用人工知能が人類史上初めて出現する年」あるいは「汎用人工知能が人類史上初めて人間よりも賢くなる年」ではなく、「技術的特異点に至るAI知能の土台が十分に生まれている状態」となり、人間社会の仕組みが根底から覆り変容すると予想している。

人類の進化として最も理想的な形で技術的特異点を迎えることができる場合、「人類の知性」が「機械の知性」と完全に融合し、人類が「ポスト・ヒューマン」に進化すると予測している。

2030年説

シンギュラリティが実現するのは、より早い、2030年頃と予測している研究者もいる。

「シンギュラリティ・サミット」の予測

2012年に開催された「シンギュラリティ・サミット」では、「識者の間で予想されるシンギュラリティ実現年の中央値は2040年」としてまとめられている。

シンギュラリティに対する懸念

「技術的特異点は人類にとっては危険であり回避すべき」と考え、主張している人々もいる。

宇宙物理学者スティーブン・ホーキング氏

技術的特異点は、「人類の能力を超える人工知能が人類を滅ぼしかねない危険性がある」「生物学的進化に制約される人類が人工知能の発達に対抗することは困難」と考えており、国連代表部と国際連合地域間犯罪司法研究所が主催した会議でも懸念を表明している。

イーロン・マスク氏

「Tesra」や「Space X」の創立者イーロン・マスク氏も、シンギュラリティに対して大きな懸念を有しており、人工知能を研究するNPO団体「OpenAI」を設立した。

この団体の目的は「人間レベルの人工知能が実現可能になった時に、自己利益よりも良い成果を優先する研究機関」としている。

「プレ・シンギュラリティ」(前特異点)

人工知能が人間の知性を凌駕するポイントは、定義上「シンギュラリティ」ではなく、それ以前のポイントという意味で「プレ・シンギュラリティ(前特異点)」と言われている。

「プレ・シンギュラリティ(前特異点、社会的特異点)」とは

2025年頃、人工知能の能力が圧倒的に高まると、「人類の生存に必要な労働負荷が急速に低減」「人類の生活の在り方が根底から覆る」などの社会的な大変革が立て続けに起きると予測されている。

主な予測
  • 超小型核融合炉の実用化によるエネルギーコストの実質的な無料化
  • 衣食住の無料化
  • 汎用人工知能による純粋機械化経済の実現
  • 現実世界と見分けが付かない程に精緻なVRの実現 など

※参考サイト

AI最新TOPICS

【AI】「AIビジネス推進コンソーシアム」設立---グリッド/伊藤忠/TIS/富士通など11社、AIに取り組む企業間で「ノウハウや知見の共有」を目指す(2017年12月15日 10:03)

グリッド、伊藤忠テクノソリューションズ、TIS、富士通など11社は、12月13日、 「AIビジネス推進コンソーシアム」を設立したと発表した。 【「AIビジネス推進コンソーシアム」の目標】 ・AIに取り組む企業間で「ノウハウや知見の共有」を目指す ・参加企業間で、ソースコード/技術/ノウハウ/ケーススタディ/ユースケースなどを共有 ・「産業分野のAIの個別性の高さ」の解消を目指す ・...

イベント情報

無料資料プレゼント

Amazon Redshiftは企業に利益をもたらしているのか?8社を対象にしたIDCの調査レポート

講演資料を見るには、 プライバシーポリシーに同意して、送付先メールアドレスをご入力しご請求ください。

またご入力いただきました情報は、当該資料の作成・提供企業とも共有させていただき、当社及び各社のサービス、製品、セミナー、イベントなどのご案内に使用させていただきます。

本資料を見るには次の画面でアンケートに回答していただく必要があります。



  • 20171130-netapp サイド
  • OSSNEWSに広告を掲載しませんか?

facebook

twitter