【初心者必読!!】人工知能とは?超絶わかりやすく解説!

artificial-intelligence

現在、私たちは人工知能ブームの真っ只中にいます。人工知能に詳しくない方も人工知能の存在を無視することはできなくなりました。

この記事は、テクノロジーに詳しくないけど、人工知能について理解したいという初心者の方向に執筆いたしました。初心者の方でも理解してもらえるように、人工知能の定義人工知能の歴史についてわかりやすく簡潔に記述しておりますので、ぜひ最後までご購読ください。

<目次>
人工知能とは?

人工知能の定義

人工知能の歴史

一度目のブーム

二度目のブーム

三度目のブーム

ディープラーニングの登場、人工知能が未だかつてないほど注目を浴びる

シンギュラリティって何?

まとめ

 

人工知能とは?

人工知能の定義

artificial-intelligence

実は人工知能の明確な定義というものは現時点で決まっていません。なので、人によって様々な定義がなされています。

例えば、ウィキペディアでの人工知能の定義は次のようにされています。

人工知能(じんこうちのう、英: artificial intelligence、AI)とは、人工的にコンピュータ上などで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を指す。
出典:ウィキペディア

人工知能を長年研究している研究者の中でも多種多様な見解がなされています。

“人工知能とは、人間のような知能を持つものを言う”

“人工知能とは人間の知能を超えているものを言う”

“人工知能とは感情を持つものを言う”

このように人工知能に対する解釈の仕方は人によって異なっています。

ただ、共通していることは人工的に作る知能ということだけです。

したがって、現時点では「人口知能とは人工的に作る知能のことで、どの程度のレベルを指すかは明確ではない」という解釈で十分です。

人工知能の歴史

人工知能は最近になって急に騒がれ始めたと思いがちですが、実は人工知能ブームは今回のブームも含めて3度訪れています。

モーリー
えっ!?過去に2度もブームが来ていたのですか!?意外!!

そうなんです、人工知能の歴史は意外と古いんです。

では、順を追って見ていきましょう。

一度目のブーム

一度目のブームは1950年代後半から1960年代にかけて来ました。

当時の優秀な人たちは、人間の脳の仕組みとコンピューターの仕組みが同じだということを知っていました。そして、こう考えました。

“人間の脳の仕組みとコンピューターの仕組みが同じなら人工的に脳を作り出すことができるだろう”

そして、1956年にアメリカで開催されたワークショップで推論探索という技術が導入された機械(=初期の人工知能)を目の当たりにした人たちが驚愕し、ここで初めて「人工知能」という言葉が生まれました。人工知能と言っても当時の技術は迷路を解くなどといった簡単なものでしたが、コンピューターが自ら問題を解くことは珍しかったので、その姿を見た人たちは“いずれ人間の知能を超える存在になるだろう”と信じていました。このことがきっかけで人工知能に関する研究が盛んになり、1960年代を中心にブームになりました。

※一度は耳にしたことがあるであろうニューラルネットワークなどの現在では応用されている理論も当時から出ていました。

しかし、やがて人工知能研究に対する風向きが変わり始めます。

当時の技術は、迷路やハノイの塔、ボードゲームといったように明確で単純なルールが設けられているものはコンピュータでも解くことができましたが、研究者たちは人間のような、あるいは人間の知能をも超えうるものを生み出そうとしていました。けれども、当時の研究ではどうしても基礎的な部分から発展させることができず、次第に研究者に対する支援も減少します。

ブームの終わりです。

こうして、1970年代に人工知能ブームが終わり、いわゆる人工知能の冬の時代が訪れます。

一度目の人工知能ブーム
人工知能の基本となる推論と探索などといった理論が出てきた時代だった

二度目のブーム

二度目のブームは1980年代に来ました。

二度目のブームのきっかけとなったのが、エキスパートシステムと呼ばれるものです。エキスパートは専門家という意味ですが、文字通り、専門家のように特定の知識をコンピュータに大量にインプットさせて、必要に応じてアウトプットできるようにするシステムです。iPhoneに実装されているSiriは、現在はある程度複雑な質問にも答えてくれますが、Siriの劣化版と言っても良いでしょう。このエキスパートシステムが法律・医療・会計など様々な分野で取り入れられました。

医療を例にとると、まずエキスパートシステムに医療に関する専門知識をインプットさせます。次に、患者の症状がAの場合はBという回答を出すというように決まったパターンをエキスパートシステムに認識させます。こういったパターンをたくさん用意しておいて、実際の症状を入力すると、エキスパートシステムが答えを出すというものです。

正答率は人間の医者よりも劣るものの、それでも当時としてはなかなかの正答率だったため非常に注目を集めました。しかし、このエキスパートシステムには重大な課題がありました。それは、インプット作業が大変なことです。エキスパートシステムに働いてもらうには、人間があらかじめ膨大な量の専門知識を手作業でコンピュータに教え込ませる必要があります。そのため、時間とコストがいくらあっても足りない状態になります。

また、先の例を見てもらってもわかる通り、この頃の人工知能もパターンでしか回答を導き出すことしかできないため、少しでも複雑になると(ちょっとだけ吐き気がするなど)途端にうまく認識できなくなってしまいます。

このように、エキスパートシステムが登場して人工知能は進化したのですが、同時に膨大なインプット作業などの新たな課題が浮き彫りになり、再び業界は苦境に立たされます。

そして、1990年代に入ると再び人工知能の冬の時代が訪れて、二度目のブームが終わりを遂げました。

二度目のブーム
エキスパートシステムの登場により人工知能は進歩したが、膨大な作業が必要などの課題が浮き彫りになった。

三度目のブーム

三度目のブームのきっかけとなったのが、機械学習と呼ばれる技術の発展です。

機械学習とは、簡単に言えば人工知能自らが学習する技術のことを言います。実は、機械学習の理論自体は人工知能研究の初期段階(一度目のブームの時)から提唱されていましたが、当時の技術では応用することができませんでした。しかし、時代が進むにつれ、①技術が進歩したこと、②大量のデータを取得できるようになったことが主要因となり機械学習を応用することができるようになりました。特に1998年にグーグルの検索エンジンが誕生し、ウェブ上に大量のデータが蓄積されていったことは機械学習の発展に大きな影響を与えました。

このため、2000年代を中心に機械学習の研究が発展していきましたが、機械学習にも欠点がありました。その欠点とは、特微量と呼ばれるものを人間が与えなければいけないことです。特微量とは、簡単にいうとデータの何に着目するかということです。つまり、データの何に着目するのかを人間がコンピュータに教えてあげなければならないのです。もうお気づきの方がいるかもしれませんが、これはつまり、今までの人工知能の課題を完全には克服できていないということです。

ディープラーニングの登場、人工知能が未だかつてないほど注目を浴びる

機械学習の発展で人工知能は大きく進歩しましたが、特微量を人間が与えなければならないという欠点がありました。そんなときに、人工知能をさらに発展させる象徴的な出来事がありました。

それがディープラーニングという技術の登場です。

2012年、ILSVRCという世界的な画像認識技術の大会が開かれました。この大会は、犬の画像が出たらこれは犬という風に、コンピュータがどれだけ多くの画像を認識して、正解を導き出せるのかを競う大会です。そこには、東京大学やオックスフォード大学などの世界的にも知名度の高い名門大学などが参加していましたが、この大会では初参加のトロント大学が開発した人工知能が勝利し、世界に衝撃を与えました。なぜなら、この頃、業界では機械学習を用いた人工知能を使うことが常識となっており、トロント大学以外の研究機関は当然のように機械学習を用いた人工知能で参加しました。機械学習を用いた人工知能ということは、特微量をどのように設定するかによって優劣が決まるということですが、これはかなり骨の折れる作業であり、各研究機関の成績は似たり寄ったりでした。しかし、初参加のトロント大学が開発した人工知能は他の研究機関が開発した人工知能よりも圧倒的な成績を上げて勝利するという前代未聞の結果になりました。例えるなら、夏の甲子園に初出場した高校が名だたる名門校を破っていきなり優勝するくらいの衝撃でしょうか。

このとき、トロント大学が開発したのがディープラーニングを用いた人工知能だったのです。ディープラーニングとは、簡単に言えば、コンピュータ自らが最適な特微量を計算する技術のことです。つまり、トロント大学の人工知能が圧倒的な差をつけて勝利したことの意味は、今までの機械学習の課題であった特微量を人間が計算しなければならないという欠点を見事に克服したことになります。

この出来事を境に世界各地でディープラーニングの研究が熱を帯び始めました。その後も、グーグル傘下ディープマインド社のAlphaGoがプロの囲碁棋士に快勝するなど、日に日に技術が向上しています。

三度目のブーム
機械学習の進歩により、みたび人工知能研究に熱が入っていたところにディープラーニングが登場し、かつてないほどの注目を浴びるようになった。

シンギュラリティって何?

シンギュラリティとは、技術的特異点のことで人工知能が自らの力で自分の能力を超える人工知能を生み出せる時点のことを言い、2045年あたりに訪れるのではないかと言われています。つまり、「近い将来、賢い人工知能がより賢い人工知能を作っちゃう時代が来るよ」ということです。中には、「人間の知能を超える時点」と解釈している人も多いですが、これは誤りで正しくは人工知能が自らの力で自分の能力を超える人工知能を生み出せる時点のことを言いますのでご注意ください。

シンギュラリティは、現在米Googleに在籍しているレイ・カーツワイルという著名な方が提唱している概念で、日本ではソフトバンクグループの孫正義会長が発言されてから徐々に世間に浸透してきているという感じがしています。

シンギュラリティが起こると、賢い人工知能がさらに賢い人工知能を生み出し、その賢い人工知能がさらに賢い人工知能を生み出すという無限ループが繰り返されて、人類が未だかつて見たこともない世界が実現することが予測されています。

このことについて、人工知能について知見の深い人たちの間でも賛否両論が巻き起こっており、例えば、ソフトバンクグループの孫正義会長はポジティブ派で積極的にシンギュラリティを実現させようとしています。対して、テスラモーターズCEOのイーロン・マスク氏やマイクロソフトのビル・ゲイツ氏などはネガティブ派で、シンギュラリティは人類にとって脅威だということを再三警告しています。

まとめ

人工知能にあまり詳しくない方向けに、人工知能とは何か?という所から人工知能の歴史までをまとめました。人工知能についてざっくりとご理解いただけたのではないでしょうか?

2014年オックスフォード大学のマイケル・オズボーン氏が「雇用の未来」という論文を発表して日本にも衝撃が走りました。なんと、現在日本にある職業の49%が10年以内に無くなると結論づけたのです。また、ビル・ゲイツ氏やイーロン・マスク氏などの著名な人たちがこぞって人工知能脅威論を唱えるなど、人工知能についてニュースで目にしない日が無くなりました。まさに今、私たちは人工知能の熱狂の渦の中にいます。

この記事がみなさんのお役に立てれば幸いです。

最後までご購読いただきありがとうございました。

機械学習とディープラーニングについて詳しく知りたい方は↓の記事でわかりやすく解説していますので、ぜひ、ご一読ください。

【初心者必読!!】機械学習とディープラーニングとは何か?わかりやすく解説!

コメントを残す

メールアドレスが公開されることはありません。