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    

推薦する

1 つの記事で 26 個のニューラル ネットワーク活性化関数 (ReLU から Sinc まで) を紹介します

ニューラル ネットワークでは、活性化関数によって、指定された入力セットからノードの出力が決定されます...

USTC 統合入力フィルタリング フレームワーク: すべてのデータ モダリティをサポートするフィルタリング可能性の最初の理論的分析

モバイル デバイスの計算能力が向上し、センサー データのリアルタイム分析の需要が高まるにつれて、モバ...

...

ElasticSearch はどのようにして TDigest アルゴリズムを使用して数十億のデータのパーセンタイルを計算するのでしょうか?

[[393929]]この記事はWeChatの公開アカウント「プログラマー李小冰」から転載したもので...

「幻獣パル」が大ヒット、大手企業も黙っていられない。このゲームはAIが設計?

最近、多くのソーシャル ネットワーキング プラットフォームに、オープン ワールド サバイバル ゲーム...

【機械学習を図解で解説】誰でもわかるアルゴリズムの原理

アルゴリズムの式はかなり面倒で、機械学習は苦痛すぎる。機械学習を初めて学ぶ人は、複雑な数式やわかりに...

次世代小売テクノロジー: IoT、AI、5G がショッピング体験に与える影響

今日の小売ショッピング体験は、データを活用しカスタマイズと体験を実現することがすべてです。モノのイン...

機械学習トランスフォーマーアーキテクチャの謎を解く

翻訳者|朱 仙中レビュー | Chonglou Transformers は 2017 年の発売以来...

金融サービス技術インフラに関する意思決定の5つの原則

現在、金融サービス業界にとっての朗報は、フィンテックの戦いがまだ終わっておらず、始まったばかりだとい...

グーグルは複数の病院と協力し、AI医療の可能性を探る実験を行っているという

7月11日、ウォール・ストリート・ジャーナルによると、Googleは最近、いくつかの病院と協力し、M...

「2024年最重要AIチャート」が大拡散中!オープンソースのAIモデルは独自のモデルよりも優れているとルカン氏は称賛

最近、この写真はAIコミュニティで広まり始め、LeCun氏もそれを転送しました。この図は、AI オー...

人工知能開発の現状と将来動向の分析

人工知能、またはよく「AI」(英語の正式名称:Artificial Intelligence)と呼ば...

70億のオープンソース数学モデルがGPT-4に勝利、中国チーム

7B オープンソースモデル、その数学的能力は数千億規模の GPT-4 を超えます。その性能はオープン...

2021年4月の自動運転分野における重要な進展の概要

2021年に入ってから、自動運転分野の開発は着実に進展しており、4月には自動運転関連のさまざまな動き...