こんにちは、しらすです。
1日目です。本日は初回ということで「AI (Artificial Intelligence)」について調べました！
AI (Artificial Intelligence)とは何か？
AIとは皆さんもすでにご存じの通り日本語で人工知能のことです。一般的に「人工的に作られた人間のような知能を持つ機械」と言われますが、非常に広義の意味で使用される言葉です。
以下のように色んな専門家の方が様々に定義しています。
| 究者 | 所属 | 定義 |
|---|---|---|
| 中島 秀之 | 公立はこだて未来大学 学長 | 人工的につくられた、知能を持つ実体。あるいはそれをつくろうとすることによって知能自体を研究する分野である |
| 西田 豊明 | 京都大学大学院 情報学研究科教授 | 「知能を持つメカ」ないしは「心を持つメカ」である |
| 溝口 理一郎 | 北陸先端科学技術 大学院大学教授 | 人工的につくった知的な振る舞いをするもの（システム）である |
| 長尾 真 | 京都大学名誉教授 前国立国会図書館長 | 人間の頭脳活動を極限までシミュレートするシステムである |
| 堀 浩一 | 東京大学大学院 工学系研究科教授 | 人工的につくる新しい知能の世界である |
| 浅田 稔 | 大阪大学大学院 工学研究科教授 | 知能の定義が明確でないので、人工知能を明確に定義できない |
| 松原 仁 | 公立はこだて未来大学 教授 | 究極には人間と区別がつかない人工的な知能のこと |
| 武田 英明 | 国立情報学研究所 教授 | 人工的につくられた、知能を持つ実体。あるいはそれをつくろうとすることによって知能自体を研究する分野である（中島氏と同じ） |
| 池上 高志 | 東京大学大学院 総合文化研究科教授 | 自然にわれわれがペットや人に接触するような、情動と冗談に満ちた相互作用を、物理法則に関係なく、あるいは逆らって、人工的につくり出せるシステムを、人工知能と定義する。 分析的にわかりたいのではなく、会話したり付き合うことで談話的にわかりたいと思うようなシステム。それが人工知能だ |
| 山口 高平 | 慶應義塾大学理工学部 教授 | 人の知的な振る舞いを模倣・支援・超越するための構成的システム |
| 栗原 聡 | 電気通信大学大学院 情報システム学研究科教授 | 工学的につくられる知能であるが、その知能のレベルは人を超えているものを想像している |
| 山川 宏 | ドワンゴ人工知能研究所所長 | 計算機知能のうちで、人間が直接・間接に設計する場合を人工知能と呼んでよいのではないかと思う |
| 松尾 豊 | 東京大学大学院 工業系研究科准教授 | 人工的につくられた人間のような知能、ないしはそれをつくる技術 |
AIという言葉自体は1956年、ダートマス会議で計算機科学者のジョン・マッカーシー教授が提案したということで、かなり歴史が深い概念になります。
概念としては古いですが、様々な壁にぶち当たり、現在3度目のブームにしてようやく世の中に広く使われるものとなりつつあります。
AIのすごいところ
「大量のデータ」を「分析」できること、「特徴」を捉えることで「高精度な予測」が可能であることがAIのすごいところだと個人的には考えています。
第3次ブームでディープラーニングがブレイクスルーとなりブームが再燃したと書かれていますが、このディープラーニングを実現するためのベースとして大量のデータが収集できるようになったことが非常に大きな要因です。
それまでは商品の販売予測なども人がエクセルを用いて手で分析していました。しかしビックデータが収集できるようになったことで人手による解析では対応しきれなくなってきました。ここに、AIを用いることでビックデータが分析できるようになり、以前よりもさらに高度な分析が可能になっていますったことで、経営予測、生産管理、物流、顧客需要予測など様々な分野で活用されるようになりました。
しかし、AIはまだ汎用的な知性の獲得には至っていません。上記で述べたものも、ある特定の分野について人よりも賢くはありますが、そのAIにほかの分野の質問（例えば経営予測のAIに、馬の絵を見せて「これは何か」と聞く）をしても回答できません。
AIが高度化し汎用的な知性を得てすべての人間の知性を合わせたよりも賢くなる瞬間のことを、アメリカの発明家のレイ・カーツワイルは「シンギュラリティ」という言葉で提唱しました。2045年にこれが起こるとされていますが、昨今はこの予測を上回る速度でAIが成長しているためシンギュラリティも早まると想定されています。もしAIが全人類より賢い汎用知性となった時、それを止めることができるのか。少しSFっぽくなってきましたが、これは本当に近い未来にやってくる深刻な問題の一つでもあります。
AIの活用事例
画像認識による不良品検査、新商品の販売予測、飛び込み営業の成功率予測などなど、多岐にわたります。人間でいうと「専門家」がたくさんいる状態ですが、これからはマルチに活躍できる「ジェネラリスト」のようなAIが出てくることでしょう。
次回からもう少し具体的なAI関連の様々な技術について勉強していきたいと思います。ここで、エンジニアリング的な話もしておくと、実際にAIを利用する段階では自分たちが使用できるデータが「構造化データ」か「非構造化データ」かということにも注目する必要があったり、選択するアルゴリズムを何にするか、教師あり学習や教師なし学習、強化学習など、どのような学習ロジックを採用するか、AzureかAWSかGCPか、はたまたオンプレミスか、などをまとめていけたらいいなと思います。
参考
コメント