人工知能、機械学習、ディープラーニングの違い

私たちは皆、「人工知能」という言葉をよく知っています。結局のところ、ターミネーター、マトリックス、エクス・マキナ（私のお気に入り）などの映画では、このテーマが人気を集めてきました。しかし、最近では「機械学習」や「ディープラーニング」など、人工知能と互換的に使用されることもある他の用語を耳にしたことがあるかもしれません。その結果、AI、機械学習、ディープラーニングの違いが非常に不明確になる可能性があります。

まず、人工知能 (AI)、機械学習 (ML)、ディープラーニング (DL) が実際に何を意味し、どのように異なるのかを簡単に説明します。次に、AI と IoT がどのように密接に絡み合っており、いくつかの技術的進歩が同時に収束して AI と IoT の爆発的な成長の基礎を築いているかについて説明します。

では、AI、ML、DL の違いは何でしょうか?

1956 年にジョン・マッカーシーによって初めて造られた人工知能は、人間の知能に特徴的なタスクを実行できる機械を指します。これは非常に一般的ですが、計画、言語の理解、物体や音の認識、学習、問題解決などが含まれます。

人工知能は、一般的なものと狭いものという 2 つのカテゴリに分けることができます。汎用人工知能は、上記に挙げた能力を含め、人間の知能が持つすべての特性を備えています。特化型 AI は人間の知能のいくつかの側面を示し、これらのタスクのいくつかを非常にうまく実行できますが、他の領域では欠けています。画像認識が得意だがそれ以上のことはできない機械は、狭義の AI の一例です。

本質的に、機械学習は人工知能を実装する方法の 1 つにすぎません。

アーサー・サミュエルは、人工知能の出現直後の 1959 年にこのフレーズを作り出し、それを「明示的にプログラムされることなく学習する能力」と定義しました。ご存知のように、機械学習を使用せずに AI を実現することは可能ですが、そのためには複雑なルールと決定木を含む何百万行ものコードを構築する必要があります。

したがって、機械学習は、特定のタスクを達成するために特定の指示を含むソフトウェアルーチンをハードコーディングするのではなく、学習方法を学習できるようにアルゴリズムを「トレーニング」する方法です。「トレーニング」では、アルゴリズムに大量のデータを与え、アルゴリズムが自ら調整して改善できるようにします。

たとえば、機械学習は、コンピュータービジョン（画像やビデオ内のオブジェクトを認識する機械の能力）を大幅に改善するために使用されてきました。数十万、あるいは数百万枚の画像を収集し、人間にラベル付けしてもらいます。たとえば、人間は猫が写っている写真と猫が写っていない写真にラベルを付けるかもしれません。次に、アルゴリズムは、写真に猫が含まれているか、人間が含まれていないかを正確にラベル付けできるモデルを構築しようとします。精度が十分に高くなると、機械は猫がどのような外見であるかを「学習」したことになります。

ディープラーニングは、機械学習に対する多くのアプローチの 1 つです。その他の方法には、決定木学習、帰納的論理プログラミング、クラスタリング、強化学習、ベイジアンネットワークなどがあります。

ディープラーニングは、脳の構造と機能、つまり多数のニューロンの相互接続にヒントを得ています。人工ニューラルネットワーク (ANN) は、脳の生物学的構造を模倣したアルゴリズムです。

ANN には、個別の層と他の「ニューロン」への接続を持つ「ニューロン」が存在します。各レイヤーは、画像認識における曲線やエッジなど、学習する特定の特徴を選択します。この階層化がディープラーニングの名前の由来です。つまり、単一のレイヤーではなく複数のレイヤーを使用することで深みが生まれます。

人工知能とモノのインターネットは切り離せない

AIとIoTの関係は、人間の脳と身体の関係に似ていると思います。

私たちの体は視覚、聴覚、触覚などの感覚入力を収集します。私たちの脳はこのデータを受け取って理解し、光を認識可能な物体に、音を理解可能な言葉に変換します。その後、脳は決定を下し、物体を拾ったり話したりするなどの動作を指示するために身体に信号を送り返します。

モノのインターネットを構成する接続されたセンサーはすべて私たちの体のようなもので、世界で何が起こっているかに関する生のデータを提供します。 AI は私たちの脳のようなもので、このデータを理解し、どのようなアクションを取るかを決定します。モノのインターネットに接続されたデバイスは、私たちの身体と同じように、物理的な動作を実行したり、他のデバイスと通信したりします。

お互いの潜在能力を引き出す

AI と IoT の価値と可能性は、お互いのおかげで実現されます。

近年、機械学習とディープラーニングにより人工知能は大きく進歩しました。前述のように、機械学習とディープラーニングを機能させるには大量のデータが必要であり、このデータはモノのインターネットで常にオンラインになっている数十億個のセンサーによって収集されています。モノのインターネットにより AI がさらに向上します。

AI の向上はモノのインターネットの導入も促進し、両方の分野が劇的に加速する好循環を生み出します。それは、IoT を有用なものにするのは AI だからです。

産業面では、AI を使用することで、機械のメンテナンスが必要になる時期を予測したり、製造プロセスを分析して効率を大幅に向上させ、数百万ドルを節約したりできます。

消費者側では、私たちがテクノロジーに適応するのではなく、テクノロジーが私たちに適応することができます。クリックしたり、入力したり、検索したりする代わりに、必要なことを機械に尋ねるだけで済みます。天気などの情報や、就寝前に家を準備する（サーモスタットを下げる、ドアをロックする、照明を消すなど）などのアクションを尋ねることもあります。