近年、人工知能（AI）が普及するにつれ、その原理を理解できずにAIを迷信し崇拝する人が増えています。 「ターミネーター」や「スターウォーズ」のシーンが現実になりつつあると信じる人さえいる。ホーキング氏やマスク氏でさえ、人工知能は自律的な意識を発達させ、人間を支配する可能性があると信じている。本当に分野によって雲泥の差ですね。明らかに彼らは人工知能の原理を理解しておらず、馬鹿げたことをしました。

原理

人工知能の原理は、次の一文で要約できます。

人工知能 = 数学的計算。

機械の知能はその「アルゴリズム」に依存します。

当初、人々は回路のオン/オフを切り替えることで 1 と 0 を表現できることを発見しました。そして、たくさんの回路を組み合わせて配置を変えることで、色や形、文字など、さまざまなものを表現できるようになります。

論理素子（トランジスタ）を追加すると、

「入力（スイッチボタンを押す）- 計算（回路に電流が流れる）- 出力（ライトが点灯する）」

このモデル。

自宅に双方向スイッチがあると想像してください。

より複雑な計算を実現するために、最終的には「大規模集積回路」、つまりチップになりました。

回路ロジックがネストされ、レイヤーごとにカプセル化された後、現在の状態を変更する方法は「プログラミング言語の記述」になります。それがプログラマーの仕事です。

コンピュータはプログラマーが指示したことを実行し、プロセス全体はプログラムによって決定されます。

したがって、コンピューターがタスクを実行するためには、プログラマーがまずそのタスクのプロセスを完全に理解する必要があります。

たとえば、ジョイント制御エレベーターの場合:

このエレベーターを侮らないでください。かなり「スマート」です。下す必要のある判断について考えてみましょう。

• 上下方向

• 満員ですか？

• ピーク時間

• 停止時間は十分ですか?

• シングルフロア、ダブルフロアなど

事前にあらゆる可能性について考える必要があります。そうしないとバグが発生します。

ある程度、プログラマーは世界をコントロールしています (プログラマーは大きなプレッシャーにさらされていると言います)。

しかし、プログラマーたちはいつもすべてを自分でやるのは疲れすぎています。残業で目が赤くなっているのがわかります。そこで私は考えました。

コンピューターが自ら学習し、自ら問題を解決できるようにすることはできるでしょうか?そして、学習方法のセットを指示するだけで済みます。

1997 年に IBM が特別に設計されたコンピュータを使用してチェス選手権で優勝したことは、今でも誰もが覚えているでしょう。実際、その方法は非常に愚かです。つまり、技術的には「網羅的列挙」と呼ばれる力ずくの計算です (実際、計算能力を節約するために、IBM は、明らかに愚かな動きなど、多くの不要な計算を手動で削減し、カスパロフのスタイルに合わせて最適化しました)。コンピューターはチェスのゲームのすべての動きを計算し、それを人間のゲーム記録と比較して最善の解決策を見つけます。

一言で言えば、大きな努力は奇跡を起こすことができるのです！

しかし、Go の場合、このアプローチを徹底的に使用することはできません。どれほど強力であっても、限界は常に存在します。囲碁で可能な手数は、宇宙に存在する原子の総数（既知）をはるかに超えており、現在入手可能な最も強力なスーパーコンピューターを使用しても、計算に数万年かかります。量子コンピュータが成熟するまで、電子コンピュータはほぼ不可能でしょう。

そのため、プログラマーは AlphaGo にアルゴリズムの追加レイヤーを追加しました。

A. 最初に計算します。計算する必要があるものと無視する必要があるもの。

B. 次に、ターゲットを絞って計算します。

——本質的には、それはまだ計算です。 「認識」というものは存在しません!

ステップ A では、「計算が必要な場所」をどのように判断するのでしょうか?

これが「人工知能」の核心的な問題、「学習」のプロセスです。

よく考えてみてください。人間はどうやって学ぶのでしょうか?

人間の認知はすべて、観察された現象を要約し、要約された法則に基づいて未来を予測することから生まれます。

長い口を持ち、吠える、四つ足で毛が短く、中型の動物を見て、それを犬と名付けると、今後目にする同様の物体はすべて犬として分類することになります。

しかし、機械が学習する方法は人間の学習方法とは質的に異なります。

いくつかの特徴を観察することで、ほとんどの未知の事柄を推測することができます。 1 つの側面は 3 つの側面を反映できます。

機械は、走って来た犬が犬であるかどうかを知る前に、非常に多くの犬を観察しなければなりません。

このような愚かな機械が人類を支配すると期待できるでしょうか?

計算能力に頼って力ずくで行動するだけです!それは大変な仕事です。

具体的には、それが「学習する」アルゴリズムは「ニューラル ネットワーク」と呼ばれます (少し怖い名前です)。

原則は次のとおりです。

(特徴抽出器は、オブジェクトの特徴を要約し、その特徴を統合のためにプールに入れて、完全に接続されたニューラル ネットワークが最終的な結論を出力します)

次の 2 つの前提条件が必要です。

1. 多くのデータを取り入れて試行錯誤し、徐々に精度を調整します。

2. ニューラル ネットワークの層が増えるほど、計算の精度は向上しますが (制限あり)、必要な計算能力も増加します。

そのため、ニューラルネットワーク方式は長年存在していました（当時は「パーセプトロン」と呼ばれていました）。しかし、データ量と計算能力の制限により、開発は進みませんでした。

ニューラル ネットワークはパーセプトロンよりもはるかに高度に思えます。これは、研究に良い名前（荘）を持つことがいかに重要であるかを改めて示しています。

現在、ビッグデータとクラウド コンピューティングの両方の条件が整っています。データを所有している人なら誰でも AI を実行できます。

現在、AIの一般的な応用分野は次のとおりです。

画像認識（セキュリティ認識、指紋認識、美容、画像検索、医療画像診断）では、主に空間次元の特徴を抽出して画像を認識する「畳み込みニューラルネットワーク（CNN）」を使用します。

自然言語処理（人間とコンピュータの対話、翻訳）では、主に時間次元の特徴を抽出する「リカレントニューラルネットワーク（RNN）」を使用します。音声は連続的であるため、単語が現れるタイミングによって意味が決まります。

ニューラル ネットワーク アルゴリズムの設計レベルによって、現実を描写する能力が決まります。 ***偉大な科学者 Andrew Ng はかつて 100 を超える畳み込み層を設計しました (層が多すぎると、過剰適合の問題が簡単に発生する可能性があります)。

計算の意味を深く理解すると、明確な数学的ルールが存在します。それで、

世界には量子（ランダム）特性があり、それがコンピューターの理論的な限界を決定します。 ——実際のところ、コンピューターは真にランダムな数字を生成することすらできません。

——機械はまだ愚かだ。

今年（2018年）初め、ある企業がテレビで、人工知能を使えば医師が手作業で判断するよりも正確に医療画像を診断できることを実演しました。驚きを引き起こしました。

実際、これはごく普通のことなのです。クレーンの発明後、もちろん最強の力持ちよりも重い物を持ち上げることができるようになりました。

人間の医師の診断は病因と検査結果の組み合わせですが、機械は医師の過去の診断に基づいて、多数の検査結果からおおよその値を推定するだけです。表面的には正確に思えるが、新たな病気が出現すると、どう対処すればいいのか分からない。

——機械は人体全体をシミュレートできるのでしょうか？臓器、血液、気分、食事、労働の強度？それらの間のつながりをシミュレートし、病因を理解しますか?

- 不可能。なぜなら、人体のシステムには量子効果、つまりランダムなマクロ的な現象があり、人間の自発的な意識が病気に及ぼす影響は言うまでもないからです。

人間は内部法則を理解できますが、機械は表面的な法則を要約することしかできません。

実際のところ、私たちはまだ知性と意識が何であるかを理解しきれていません。これについて議論している哲学者はわずかしかおらず、科学界もこの問題に関して進歩を遂げていません。定義を与えることさえ困難です。機械はどのようにして自律的な意識を持つことができるのでしょうか?

著者の視点は明確です。

かつて内燃機関が生産性を大幅に向上させたように、AIも生産性を大幅に向上させることは間違いありません。ナイフは損傷を引き起こす可能性もありますが、それはナイフ自体の動作によるものではなく、不適切な使用によるものです。殺人はナイフのせいではありません。

確かなのは、それが人類を支配することは決してできないということだ。

今のところは、家に帰って人間を創る方がよい。それが本当の知性だ。

次の質問は -

AIは失業の波を引き起こすでしょうか？

第一次産業革命の際、新しい繊維機械が繊維労働者の仕事を奪いました。当時、労働者たちは実際に団結して大騒ぎし、いくつかの工場や機械を破壊しました。

我々は再びその段階に達したのでしょうか？コンピューターが誕生して以来、人々はコンピューターが自分の仕事を奪ってしまうのではないかと心配してきました。

実際、経済学には単純かつ大まかな定理があります。

人間の欲望とニーズは無限です。技術の進歩により低価格帯の製品の供給が増えると、需要は自然に高価格帯へと移行します。

需要があるところには雇用がある。 （注：需要＝購買力のある欲求）

構造的な失業は続いているが、一方で新たな雇用も創出されている。なぜなら：

AI革命では、必ず新しいものが生まれてくるでしょう。

簡単に置き換えられる職業はどれですか? 「人工知能＝数学的計算」から次のことがわかります。

アルゴリズムが明確に定義されればされるほど、労働は機械化され、反復的になり、置き換えが容易になります。

ここで、1 つの問題に注意する必要があります。銀行の窓口係など、一部の仕事では複雑な知的労働が求められるようです。

彼女は温かく迎え、あなたの要望を詳しく聞き、大量の書類や署名を処理します。どう考えても、これはロボットができることではありません。

しかし、「需要経路理論」（後日公開予定、「功夫読本」に注目してください）によれば、このプロセスは置き換えられるのではなく、スキップされます。この職業も危険です。

職業の構造調整は段階的なプロセスです。 AI製品が一気に登場し、大量の労働者が失業するわけではない。

理論的に言えば、絶対に代替不可能な仕事は存在せず、その流れは止められない。私たちにできるのは、研究を強化し、教育への投資を増やすことだけです。しかし、それらのセンセーショナルな記事に怖がったり不安になったりしないでください。

もっと徹底した方法もあります。それは資本を持つことです。これについては後で話します。