人工知能ニューラルネットワークとは何ですか?なぜ人間の推論を実現したり、意識を生成したりできないのでしょうか?

少し前にウォールストリートジャーナルは、Uberが無人車両のテスト中に歩行者1名が死亡する重大な交通事故を起こしたと報じた。さらに、私たちの周りを見渡すと、AppleのバーチャルパーソナルアシスタントSiriは私たちが話していることを認識できないことがある。また、一部の顔認識決済アプリケーションにもセキュリティ上の問題がある。これらの出来事が反映していることの一つは、現在の AI は十分に知的ではなく、外界から得た情報をうまく処理することさえできないということだ。

人間の脳内の神経ネットワークは非常に複雑な組織です。成人の脳には約 1,000 億個のニューロンがあり、人間は人間の脳がどのように機能するかをまだ研究中です。生物学的ニューロンの研究と理解を通じて、人々は人間の脳をシミュレートする計算モデル、つまり人工ニューラル ネットワークを構築しました。

[[227126]]

画像/https://image.so.com/

では、人工ニューラルネットワークとは何でしょうか?人間はニューラルネットワークを構築することで AI に力を与え、AI が自ら進化できるようにすることができるのでしょうか?

ニューラルネットワークとは何ですか?

簡単に言えば、ニューラル ネットワークは人間の脳をシミュレートするコンピューティング アーキテクチャです。機械学習にニューラル ネットワークを使用するということは、コンピューターが単なるコマンドを実行する機械ではなく、ある程度の分析と判断を行う能力を持つことを意味します。もちろん、この機能には膨大な量のデータと優れた計算能力も必要です。

従来のニューラル ネットワークは通常、入力層、隠し層、出力層の 3 つの層で構成されます。これら 3 つの層はそれぞれ、ニューロンの樹状突起、軸索、軸索終末を模倣します。入力層は、画像、テキスト、音声などの外部入力データを受け取り、隠れ層を通じてデータの共通パターンを抽象化し、出力層を通じてモデルの計算結果を出力します。

これまで、科学者たちは多層ニューラルネットワークを設計してきました。このネットワークでは、各層が前の層の結果を再処理して「慎重な検討」の感覚をシミュレートしますが、最終的には結果の精度は向上せず、時には誤解に陥ることがわかりました。これは、人々が思考の方向性にどんどん深入りし、最終的に行き詰まってしまう傾向があるのと同じです。技術が進歩するにつれて、この問題は改善されるでしょう。今日、最も強力なニューラル ネットワーク テクノロジーは、人間の脳に非常に近いだけでなく、人間の脳自体に存在する多くの非効率的な思考方法を排除します。

AlphaGoとの戦いの後、柯潔はテンセントスポーツの記者とのインタビューで次のように語った。「AlphaGoがこれほど激しく、これほどまでに駒をねじり合わせたかのように、チェスをプレイできるとは想像もつきませんでした。そこが人間の優れた点です。実際にチェスをプレイしてみると、人間よりもはるかに上手く対処していることがわかります。実際、そのときは非常に必死でした。どうやってやったのか開発者でさえわかりません。開発した人間でも勝てません。チェスを理解していない多くの人でも、このような怪物を作り出すことができます。そのため、私が感じることができるのは、状況に対する楽観主義と自信だけです。それは絶対的な楽観主義と自信であり、人間にはないものです。どれだけ自信を持っても、これほど自信を持つことはできません。何度検証しても、無敵です。」

ニューラル ネットワークはなぜ人間のような推論を実現し、意識を生成できないのでしょうか?

「ロボットは意識を持っているかどうか」は常に議論の焦点の一つであり、人工ニューラルネットワークの技術開発はこれに重要な役割を果たしている。現在の人工ニューラルネットワークは、特定のシナリオにおける問題を解決するのに特に有利ですが、人々が当然だと思っている問題を解決するのは非常に困難です。例えば、MITメディアラボの研究者であるジョイ・ブオラムウィニ氏は、顔認識技術の精度は人種によって大きく異なり、黒人女性のエラー率は35%にも上ると研究論文に記しています。

中国工程院の鄭南寧院士は、人工知能研究の重要な方向性は、認知科学と計算神経科学の研究成果を活用し、コンピューターが直感的な推論と経験学習を通じて自らをより高いレベルに導くことだと指摘した。しかし、人間の脳の現実世界の理解、不完全な情報の処理、複雑な時空間タスクを処理する能力は、現在の機械学習では匹敵しません。さらに、人間の脳の神経ネットワーク構造の可塑性や、人間の脳内の非認知的要因と認知機能の相互作用は、形式化され定式化された方法で記述することが困難です。

[[227128]]

画像/https://image.so.com/

ニューラルネットワークはさまざまな分野でどのように応用されていますか?

ニューラル ネットワークには、人間のような強力な問題理解能力はありませんが、膨大な計算を通じて大量のデータの中にいくつかの共通パターンを見つけることができます。そのため、補助ツールとして、さまざまな業界、特にマルチメディア分野でその価値を発揮しています。

手書き数字認識は、おそらくニューラル ネットワークの最も初期の商用アプリケーションの 1 つです。ほとんどの人は、下の図の手書きの数字を簡単に認識できますが、これらの数字を認識するコンピュータ プログラムを設計する場合は、視覚パターン認識の難しさがわかります。ニューラル ネットワークの考え方は、大量の手書きの数字、つまりトレーニング サンプルを使用して、個々の数字を認識するためのルールを自動的に学習することです。サンプル数が増えると、ニューラル ネットワークはより多くの情報を学習できるようになり、精度がさらに向上します。現在市販されている最高のニューラル ネットワークは、銀行が小切手を処理したり、郵便局が住所を認識したりするのに使用できるほど優れています。

MNIST手書き数字データセットの概要

手書きの数字は少し単純すぎるかもしれませんが、ニューラル ネットワークを使用して太陽系外惑星を発見することは、ニューラル ネットワークの能力をよりよく示すものです。 Google とテキサス大学オースティン校は協力し、数万個のラベル付き星のデータを使用して畳み込みニューラル ネットワークをトレーニングしました。トレーニングの結果、ニューラル ネットワークは最大 96% の精度で惑星を識別できることが示されました。研究者らはその後、ニューラルネットワークに2009年から2013年の間に観測された670個の恒星のデータセットを処理させ、特徴のわずかな変化から、太陽系外惑星が存在する可能性が非常に高い2つの系を発見した。研究者らによる検証の結果、２つの新しい惑星が確認された。

ニューラルネットワークによって発見されたケプラー90銀河と太陽系の比較

最近、米国FDAは糖尿病網膜症を検出するための人工知能製品「IDx-DR」を初めて承認しました。今回、FDA は 10 か所のプライマリヘルスケア施設の 900 人の糖尿病患者の網膜臨床研究画像データを評価しました。IDx-DR は、軽度または重度の糖尿病網膜症の患者を 87.4% の精度で正しく識別し、糖尿病網膜症の有無を 89.5% の精度で正しく識別することができました。

現在注目されている自動運転車の分野では、大手メーカーがまだ一般的なソリューションを研究・テストしているものの、特定のケースでは一定の成果が得られています。 TuSimple は独自に開発したディープラーニング認識アルゴリズムを使用しており、これによりカメラは人間の目のように車両の周囲の環境をリアルタイムで認識し、視野内のさまざまな物体を検出して追跡し、ピクセルレベルで視覚シーンを解釈することができます。視覚による高精度測位とマルチセンサー融合技術により、高速道路での無人運転が実現し、貨物会社のコスト削減と貨物回転率の向上に貢献します。

[[227130]]

つまり、ニューラル ネットワークは私たちの生活、医療、旅行に常に影響を与えていますが、科学研究コミュニティはニューラル ネットワークに対してより合理的な見方をしています。バークレー大学の機械学習の専門家であるマイケル・I・ジョーダン氏は、コンピューターサイエンスは依然として最も重要な分野であり、人工知能はそれに取って代わることはできず、ニューラルネットワークはまだ発展途上の分野の一部に過ぎないと考えています。

[[227131]]

「ニューラルネットワークがどこまで我々を導いてくれるのかを問うのは時期尚早だ」と、ニューラルネットワーク開発の見通しについて最も楽観的なパネリストの一人、OpenAIの共同創設者兼研究ディレクターのイリヤ・スツケバー氏は述べた。「これらのモデルは理解しにくい。例えば、プログラムとしてのマシンビジョンは本当に素晴らしいが、今では信じられないような問題に対して信じられないような解決策がある」

いずれにせよ、AI は現在、研究室から商業展開へと移行し、社会を変革する過程にあります。間違いなく、膨大なデータとデータ分析能力によって、幅広い産業分野が大きな影響を受けるでしょう。ニューラル ネットワークはまだ人間の基本的な推論や理解には至りませんが、人工知能を構築する長い道のりで使用される重要なツールの 1 つとなるでしょう。

ニューラルネットワークは現時点では意識を生み出すことはできませんが、情報科学、認知科学、神経生物学、心理学などの最先端分野と学際分野の深い統合と継続的な発展により、人工知能は新たな発展の頂点を迎えるでしょう。