人工知能AIが創り出す素晴らしい「世界」を見に来てください

[[229314]]

テキスト/ローリング

1760 年代から 19 世紀半ばにかけての第一次産業革命により、人類は蒸気時代へと突入しました。それ以来、人間の力の源は動物や人間から蒸気機関と石炭に変わり、手作業の作業場は機械に置き換えられました。

19 世紀後半から 20 世紀初頭にかけての第二次産業革命では、人類は電気の時代に入り、内燃機関が登場しました。電気エネルギーの大規模利用により生産効率が大幅に向上しました。

1940年代から1950年代にかけての第三次産業革命は、コンピューター時代の到来を告げ、同時に原子力技術、航空宇宙技術、人工合成材料、分子生物学、遺伝子工学などの新たなハイテク技術が登場しました。コンピュータは情報をデジタル化し、知能の発達を促進します。

第四次産業革命が起こっています。第四次産業革命で最も重要なことは、機械が人間の学習やその他の知能の側面を模倣し、深く考え、意思決定を行えるようになることです。

AIがもたらす素晴らしい世界を見てみましょう。

人工知能の歴史と主要な出来事

1956 年 8 月、米国ハノーバーの小さな町にある静かなダートマス大学に、ジョン・マッカーシー、マービン・ミンスキー (人工知能と認知科学の専門家)、クロード・シャノン (情報理論の創始者)、アレン・ニューウェル (コンピューター科学者)、ハーバート・サイモン (ノーベル経済学賞受賞者) などの科学者が集まり、機械を使って人間の学習やその他の知能の側面を模倣するという、まったく非現実的なテーマについて議論していました。

会議は2か月間続きました。全体的な合意には至らなかったものの、会議で議論されたトピックには「人工知能」という名前が付けられました。したがって、1956 年は人工知能元年となりました。こうして AI が誕生し、その後 AI は研究室における「空想の対象」となりました。

産業条件と認知レベルに制限され、人工知能はそれ以来30年近く大きな進歩を遂げていません。人工知能が急速な発展を遂げたのは 1990 年代になってからでした。

1997年、チェスプログラム「ディープブルー」が世界チャンピオンのカスパロフを破り、人工知能の「脳力」の優位性が明らかになりました。

2007 年、チェッカー プログラム Chinook が公式にチェッカー ゲームを攻略しました。最も強いチェッカー プレイヤーでも、Chinook ではミスをせずに引き分けしかできませんでした。

2008年、ラスベガスで開催されたテキサスホールデムトーナメントでは、人工知能「ポラリス2」が規定時間内に他のプレイヤーをあっさり破りました。

2016年、Googleの人工知能AlphaGoは韓国のチェスプレイヤー、イ・セドルを4対1で破った。

人工知能はすでに人間の認知能力を覆しています。

AI開発の歴史と主な出来事

人工知能の知能レベルとアルゴリズム

AI では、機械が人間の学習やその他の知能の側面を模倣し、人間の知能を発揮します。

1956 年の夏、当時開催された会議において、AI の先駆者たちの夢は、（当時まだ初期段階にあったコンピューターで動作する）複雑なマシンを構築し、そのマシンに人間の知能の特性を発揮させることでした。

この概念は「汎用人工知能（AGI） 」と呼ばれるもので、機械が人間のあらゆる認識を持ち、さらには人間の認識を超えることを可能にします。人間のように考えることができます。

もう一つの概念は「人工知能（ANI） 」です。簡単に言えば、「弱い人工知能」は人間と同じように特定のタスクを完了することができ、人間よりも優れたパフォーマンスを発揮する可能性もあります。たとえば、Pinterest は AI を使用して写真を分類し、Facebook は AI を使用して顔を認識し、AlphaGo は囲碁のみをプレイします。

「弱い人工知能」の実際の使用例であるこれらのアプリケーションは、すでに人間の知能のいくつかの特性を示しています。それはどのように達成されるのでしょうか?この情報はどこから来るのでしょうか?問題をより深く理解したら、次の段階である機械学習に進みます。機械学習をどのように実装するのでしょうか?それはアルゴリズムです。機械学習とは、アルゴリズムを使用してデータを真に分析し、継続的に学習し、世界で何が起こっているかについて判断や予測を行うことです。

アルゴリズム

1. 決定木

分類決定木モデルは、インスタンスを分類する方法を記述するツリー構造です。決定木はノードと有向エッジで構成されます。ノードには、内部ノードとリーフ ノードの 2 種類があります。内部ノードは機能または属性を表し、リーフ ノードはクラスを表します。

分類するときは、ルートノードから始めてインスタンスの特徴をテストします。テスト結果に応じて、インスタンスをその子ノードに割り当てます。このとき、各子ノードは特徴の値に対応します。リーフ ノードに到達するまでこのように再帰的に移動し、最後にリーフ ノードのクラスにインスタンスを割り当てます。

一般的な例を挙げると、パートナーを見つけようと決心した独身男性と女性は、パートナーを探す際にすでに決定木の考え方を十分に活用しています。母親が娘にデートの相手を紹介するときに、次のような会話をしたとします。

母と娘の会話

この少女の意思決定プロセスは、典型的な分類決定木です。これは、年齢、容姿、収入、公務員であるかどうかなどの特徴に基づいて、男性を2つのカテゴリーに分けることと同じです。少女の意思決定ロジックが次のとおりであると仮定します。

意思決定プロセス

上の図は、デートの約束をするかどうかを決める女の子の戦略を完全に表現しています。緑色のノード (内部ノード) は判断条件、オレンジ色のノード (リーフノード) は判断結果、矢印は判断条件のさまざまな状況での判断パスを表しています。図の赤い矢印は、上記の例における女の子の意思決定プロセスを示しています。

決定木の応用は、多くの場合、特定の応用分析目標とシナリオに関連しています。たとえば、金融業界では融資リスク評価に決定木を使用し、保険業界では保険プロモーション予測に決定木を使用し、医療業界では補助的な診断および治療モデルを生成するために決定木を使用できます。決定木の応用分析目標とシナリオが決まると、その応用分析目標とシナリオが位置する業界が、自然に決定木の応用分野になります。

2. ベイジアン

ベイズ統計には、ベイズの定理としても知られるベイズの公式と呼ばれる基本的なツールがあります。誰かがいつも良いことをしているのを見たら、その人は良い人である可能性が高いです。つまり、物事の本質を正確に知ることができない場合でも、その物事の特定の本質に関連するイベントの数に基づいて、その本質的な属性の確率を判断できます。

ベイズの定理を使ってスパムをフィルタリングする

世界のスパムのピークは 2006 年で、全電子メールの 90% がスパムでした。2015 年 6 月には、世界のスパムの割合が初めて 50% を下回りました。

初期のスパムフィルタリングは、静的なキーワードといくつかの判定条件に依存していましたが、あまり効果的ではありませんでした。多くのスパムメールが網をすり抜け、誤ってスパムと判定されたものも数多くありました。

ベイズの定理を使用してメールをフィルタリングするには、まず通常のメールとスパムメールをトレーニング用に選択します。両方の種類のメールの数が多いほど、効果は高くなります。トレーニング プロセスでは、スパムメールに表示されるすべての単語の頻度と、通常のメールに表示されるすべての単語の頻度をカウントします。

典型的なスパムワードはスパム内で高頻度に出現するため、ベイズ式の計算を行うと確実に識別されます。次に、最も頻繁に使用される 15 個のスパム ワードを使用して結合確率を計算します。結合確率の結果が 90% を超える場合、スパムであることを意味します。

ベイジアン フィルターは、非常に低い誤検出率で、書き換えられたスパム メールを多数識別できます。初期値に非常に正確さを求める必要はありません。その後の計算で精度が徐々に実際の状況に近づいていきます。

3. ニューラルネットワーク

ニューラルネットワークは重要な機械学習技術です。これは現在最も注目されている研究分野であるディープラーニングの基礎となります。

図1 神経細胞の構造

人間の脳細胞は約数百億個あり、各脳細胞には約数百本の脳神経があり、各神経には約数百本のシナプスがあり、各シナプスには数百から数千のタンパク質があります。脳細胞の機能は大型コンピューターとほぼ同等であり、シナプスの機能はコンピューターチップとほぼ同等です。人間の脳は数千億個、あるいは数兆個のチップに相当するということは容易に推測できます。

神経細胞は、体内の他の種類の細胞とは非常に異なります。各神経細胞には軸索と呼ばれるワイヤー状の構造があり、その長さは数センチメートルに及ぶこともあり、他の神経細胞に信号を伝えます。神経細胞の構造を図1に示します。それは細胞体（細胞体）、いくつかの樹状突起、そして非常に長くなることもある軸索で構成されています。ニューロンの細胞体は核を含む星形の球体です。樹状突起は細胞体からあらゆる方向に成長し、枝分かれすることもあります。信号を受信するために使用されます。軸索にも多くの枝があります。軸索は分岐した末端を通じて他の神経細胞の樹状突起と接触し、いわゆるシナプス（図には示されていません）を形成します。神経細胞は、生成した信号を軸索とシナプスを通じて他の神経細胞に送信します。

興味深い事実

かつて誰かが、人間の脳内のすべての神経細胞の軸索と樹状突起を順番に接続して一直線に引くと、地球から月まで、そして月から再び地球まで接続できると推定しました。地球上のすべての人々の脳内の神経細胞の軸索と樹状突起をつなげると、その長さは私たちから最も近い銀河まで伸びます。

神経細胞は電気化学プロセスを利用して信号を交換します。入力信号は他の神経細胞から来ます。これらの神経細胞の軸索末端（つまり末端）は神経細胞自体の樹状突起と結合してシナプスを形成し、信号は樹状突起上のシナプスから細胞内に入ります。脳内で信号が実際にどのように伝達されるかはかなり複雑なプロセスですが、ここでは、一連の 0 と 1 を使用して、現代のコンピューターのように動作すると考えることが重要です。つまり、脳の神経細胞にも興奮（発火）と非興奮（抑制）の 2 つの状態しかありません。送信される信号の強度は変化せず、周波数のみが変化します。神経細胞は、樹状突起シナプスから来るすべての信号を合計するために、まだ知られていない方法を使用します。すべての信号の合計が特定のしきい値を超えると、神経細胞は刺激されて興奮（発火）状態になり、電気信号が軸索を通じて他の神経細胞に送信されます。信号の合計が閾値に達しない場合、神経細胞は興奮しません。

この膨大な数の接続が脳に驚くべき能力を与えているのです。各神経細胞は約 100 Hz の周波数でしか動作しませんが、各神経細胞は独立した処理ユニットとして並行して動作するため、人間の脳には次のような非常に明白な特性があります。

教師なし学習を実現できます。子供に一万台の車と一万頭の馬を見せて、馬と車の区別を学ばせることはしないでしょう。いくつかの例を見た後、彼はその違いを完全に理解しました。つまり、教師の監督や指導なしに独学で学ぶことができるのです。

ヤン・ルカンは、教師なし学習が人間と動物の知能の発達の主な方法であると信じています。ある意味、教師なし学習は強力な人工知能への希望を人々に与えます。

情報処理において高度な並列性と高い効率性を実現します。人間の脳は超大規模な並列コンピューティングシステムであるため、すべてのシナプスと各シナプス上のすべてのタンパク質が瞬時に同時に動くことができます。タンパク質はわずか数ナノメートル離れており、この距離では電流が1秒間に数千億回流れます。人間の脳の計算速度の桁数は、1の後に27〜30個のゼロが続く、言い表せないほど大きいです。ご存知のとおり、40億回というのは、4の後にゼロが9個続くだけなので、その差は約20桁になります。

たとえば、脳の視覚野が網膜を通して入力された画像信号を処理するのにかかる時間はわずか 100 ミリ秒程度です。神経細胞がわずか 100 Hz の平均周波数で動作することを考慮すると、100 ミリ秒は 1 秒あたり 10 回の計算ステップしか完了できないことを意味します。私たちの目を通過するデータの量を考えると、これがいかに膨大な量であるかが分かります。

要約と宣伝が得意です。一つは形式的思考であり、これは人間の脳の演繹能力の現れであり、論理的順序の特徴を持っています。もう一つは曖昧思考であり、これは人間の脳の帰納的能力の現れであり、包括的かつ全体論的な思考を同時に行うことができます。デジタルコンピュータとは異なり、脳が非常に得意としていることの一つは、パターンを認識し、よく知っている情報に基づいて一般化できることです。

たとえば、私たちは他の人が書いた原稿を、その人が書いたものを一度も見たことがなくても読むことができます。

それは意識的です。人間の脳の最もユニークな特徴は、思考する意識です。意識は、神経科学者や人工知能の研究者によって広く熱く議論されているテーマです。現在、世界トップクラスの科学者たちでさえ、人間の思考や意識がどのように生まれるのかを知りません。しかし、現在のコンピューターがそのレベルに到達するまでにどれくらいの時間がかかるかはまだ不明です。人間の脳とコンピュータの最大の違いは、人間の脳がコンピュータよりもはるかに速く進化するということです。

したがって、人工ニューラル ネットワーク (ANN)、または略してニューラル ネットワーク (NN) は、現代のデジタル コンピューターの既存の規模の制約内でこの大規模な並列処理をシミュレートし、そうすることで、人間や動物の脳に似た多くの特性を表示できるようにします。

いくつかの分野では、AI は依然として人間に「勝って」います。ディープ ニューラル ネットワークはすでに、会話、車の運転、ビデオ ゲームやボード ゲームの囲碁でチャンピオンに勝つこと、絵を描くこと、科学的な発見をすることなどに役立っています。

例えば、写真のデザインや修正など。ウェブサイトの更新や変更に関しては、人工知能は人間よりも速く正確に行うことができます。この基本技術により、ウェブサイトのスタイルに関する一般ユーザーの意見が得られ、ウェブサイトが適切に設計されているかどうかをデザイナーに伝えることができます。アリババのAI設計アプリ「Lu Ban」（現在は「Lu Ban」と改名）がデザイナーたちを震え上がらせている。

4. ディープラーニング

ディープラーニングの概念は、人工ニューラルネットワークの研究から生まれました。ディープラーニングにより、機械学習には多くの実用的なアプリケーションがあり、AI の全体的な範囲も拡大しました。 ディープラーニングはタスクを細分化し、さまざまな種類の機械支援を可能にします。自動運転車、より優れた予防治療、より優れた映画の推薦などは、すでに存在しているか、あるいはもうすぐ登場するでしょう。 AIは現在であり、そして未来でもある。ディープラーニングの助けを借りれば、おそらく AI はいつの日か SF で描かれるレベルに到達するでしょう。それは私たちが長い間待ち望んでいたことです。

AIは大きすぎて、複雑すぎるシステムです。 AIは世界と人々に無限の想像力と無限の可能性を与えました。 AIの応用については後ほど詳しく説明します。インターネット+に続いてAI+についても見ていきましょう。