人工知能は本当に私たちが思っているほど賢いのでしょうか?

人工知能は本当に私たちが思っているほど賢いのでしょうか?

人工知能は最近、私たちの私生活や仕事で非常に活躍しています

ロボット工学と同様に、人工知能(AI)も長い間「未来の技術」と考えられてきました。しかし、ロボットと同様に、AI は単なる SF ではなく、それ以上のものであると確信できるようになりました。人工知能は私たちの個人生活や仕事生活に深く浸透しており、人気の面では急速にモバイルデバイスに追いついています。

私たちの日常の活動の中で、AI の使用が影響を与えない活動は一つもありません。 Alexa や Siri から自動運転車まで、AI は人間と同じように私たちを助けるために前進しています。人工知能について考えるとき、まず頭に浮かぶのは、機械学習とディープラーニングの利用によって実現できる、複雑な道路状況での自動運転車のビジョンです。しかし、ここで生じる主な疑問は、「AI は私たちが考えているほど賢いのか?」ということです。

人工知能とは何ですか?

人工知能は、特に汎用知能に関しては、多くの定義を持つ幅広い用語です。ジョン・マッカーシーは、人間の知能と問題解決に似たシステムを説明するために、1955 年に人工知能 (AI) という用語を作り出した。人工知能は、オンライン顧客サービスやチェスのプレイなど、以前は人間の入力を必要としていた困難な活動を実行するソフトウェアの総称になりました。機械学習とディープラーニングは、ディープラーニングの 2 つのサブフィールドであり、同じ意味で使われることがよくあります。

機械学習は、1959 年にアーサー サミュエルによって創設された人工知能のサブフィールドであり、複雑なアルゴリズムを使用して既存のデータからパターンを自動的に識別してモデルを開発し、新しいデータについて予測や推論を行うことに重点を置いています。広く使用されている定義。

AIは本当に「知的」なのでしょうか?

人工知能は、今日のテクノロジーの原動力としてよく言及されます。したがって、それは自然に熱意と大きな希望を呼び起こします。コンピュータが使用するニューラル ネットワーク モデルは、これまで想像もできなかった分野で優れた能力を発揮する人間の脳の機能をモデルにしています。

これにより、人工知能がいつの日か人間の知能を超え、すべての問題を解決してくれるだろうという希望が生まれます。仮想アシスタントや自動翻訳ツールなどの言語ツールは、言語ツールの機能がますます高度化している例です。 AI の基盤となるモデルは大量のデータからパターンを学習できるため、言語ツールは人間を模倣できます。

しかし、人事、保険、銀行などの分野では意思決定プロセスに AI がますます活用されるようになっています。大量の入力データを通じて人間の行動を分析することで、機械は人間とその好みをより深く理解し始めています。すると、推奨エンジンがコンテンツを簡単にフィルタリングし、視聴する映画、読むニュース、ソーシャル メディアで着る物などを推奨して、ユーザーの意思決定を支援することができます。

したがって、一般の人々の用語で言えば、「人工知能」について尋ねられたとき、これらはこの時代を代表する例です。

しかし、「人間のように話す」ことと「人間である」ことの間には大きな違いがあり、前者には必ずしも人間の知性が付随しているというわけではありません。これが我々が生きている欺瞞なのです。

人工知能は「実際には」知的ではない

たとえば、おもちゃの車について話すとき、(音声起動の)仮想アシスタントの能力と平均的な子供の能力を比較すると、ツールにははるかに多くのデータが必要になり、常識などの常識を捉えるのに苦労します。人間の知能の最もユニークな特徴の 1 つは「常識」であり、これはいかなる人工知能マシンでも模倣できません。

Idiapの電気工学教授であるボーランド氏によると、AIのこうした貢献すべてが必ずしも人工知能をインテリジェントにするわけではなく、さらに、人間の知能をほんの少しでも再現できるシステムは今のところ存在しないと述べています。

現在、人工知能という用語が人気を集めているため、機械学習やディープラーニングなどの基盤技術によって行われる主な「スマート」な作業が影に隠れつつあります。したがって、使用される「マシン」は人間の入力によって「インテリジェント化」されますが、これには大量の良質なデータが必要であり、簡単なプロセスではありません。

人間の知能と比較した AI マシンの主な欠点は推論能力です。これらのマシンは、質問に対して適切なフィードバックや回答を簡単に提供できますが、論理的な推論を提供したり、結論に至るプロセスを説明したりする点では不十分です。

アラン・チューリングの最も有名な論文(1950 年に発表)では、「機械は考えることができるか?」という疑問に答えています。 「模倣ゲーム」を発明することによって、それは今でも機械知能を説明するために使われています。実験の答えと結果は、70年経った今でも「チューリングテストに合格したAIシステムは存在しない」というものであり、現代においては非常に不可解なことです。


<<:  顔認識防止技術でプライバシー漏洩を防ぐ方法

>>:  銀行、金融、保険業界に革命をもたらす主要技術

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

...

「半導体第一の都市」上海、ついに半導体製造再開の夜明けを迎える

上海市経済情報化委員会は4月16日、「上海市工業企業の業務・生産再開に関する防疫対策ガイドライン(第...

サプライチェーン管理においてAIがすでに優れた成果を上げている分野

サプライ チェーンは、製品の設計から調達、製造、流通、配送、顧客サービスまで、さまざまなアクションを...

機械学習プロジェクトを構築するための6つのステップをマスターしましょう

上のホワイトボードには、一連の機械学習プロジェクトの立ち上げが示されています。機械学習は幅広い分野を...

LLaMA2コンテキストを10万に拡張し、MITと香港中文大学はLongLoRAメソッドを開発

一般的に、大規模なモデルを事前トレーニングする場合、テキストの長さは固定されます。より長いテキストを...

世界人工知能会議の最高栄誉である2020年SAIL賞のトップ30プロジェクトが発表されました

世界人工知能会議の最高賞であるSAIL賞(スーパーAIリーダー)は、「卓越性を追求し、未来をリードす...

今後10年間で自動化される可能性のある14の仕事

[[317602]]自動化技術はさまざまな職場で広く使用されており、多くの企業がこの急速に発展する技...

ドローンが上海の歴史的建造物の保護を主導

[[418446]]上海のピースホテルはかつて「極東第一のビル」として知られていました。1929年に...

機械学習がシステム設計に与える影響: 学習したインデックス構造の簡単な分析

顔認識からチェックイン、さまざまなアプリケーションの「あなたの好きなものを推測」まで、現在の機械学習...

企業は顧客サービスロボットをどのように選択すべきでしょうか?

現在、カスタマーサービス業界は質的な変化を遂げており、AIインテリジェントテクノロジーがカスタマーサ...

EasyDLは、臨床試験データの敵対的学習と複数のアルゴリズムの比較を簡単に処理します。

[51CTO.com からのオリジナル記事] 画像学習は高度なアルゴリズムであり、画像への高い適応...

強化学習と3Dビジョンを組み合わせた新たなブレークスルー:高性能オンラインパレタイジングロボット

国立防衛技術大学、クレムソン大学、Seebit Robotics の研究者らが協力し、深層強化学習を...

超低消費電力センサーソリューションがスマートビルディングを実現する方法

現在、モノのインターネット(IoT)のインフラストラクチャはすでに非常に完成しており、その適用範囲は...

2022 年のデータサイエンス、AI、機械学習の 5 つのトレンド

[[443145]] [51CTO.com クイック翻訳] 2022 年が近づくにつれ、人々は 20...

電子商取引検索における人工知能技術の応用

常に注目度の高い人工知能分野に関連するアプリケーションは、常に大きな注目を集めています。人工知能は電...