人工知能とは何ですか? AIが何なのかまだ知らない人が多い

知覚、学習、推論、問題解決などの認知機能を実行する能力を持つ機械は、人工知能を備えていると考えられています。機械が認知能力を持つとき、人工知能が存在します。 AI を判断する基準は、推論、発話、視覚の面で人間のレベルに近づいているか、あるいは到達しているかです。

1. 人工知能入門

狭義の AI:機械が特定のタスクを人間よりもうまく実行できる場合。

汎用 AI:人工知能は、人間と同じレベルの精度であらゆる知的タスクを実行できるようになったときに、汎用的な状態に到達します。

強い AI: AI が多くのタスクで人間に勝てる場合、それは強い AI です。

現在、AI はほぼすべての業界で使用されており、大規模に AI を統合するすべての企業に技術的な優位性をもたらしています。マッキンゼーは、AI が小売業に 6,000 億ドルの価値を生み出し、他の分析テクノロジーと比較して銀行業界に 50% の付加価値をもたらす可能性があると考えています。運輸・物流部門では、潜在的な収益が89%以上増加しました。

具体的には、企業がマーケティングチームに AI を使用すると、日常的で反復的なタスクが自動化され、営業担当者は関係の構築やリードの育成などのタスクに集中できるようになります。企業は AI 分析と推奨を利用して勝利の戦略を策定できます。

つまり、AI は人間が処理できない複雑なデータを処理するための最先端のテクノロジーを提供します。 AI は冗長な作業を自動化し、作業者が高付加価値のタスクに集中できるようにします。 AI を大規模に実装すると、コストを削減し、収益を増やすことができます。

[[285554]]

2. 人工知能の簡単な歴史

人工知能という言葉自体は新しいものではないが、最近では流行語となっている。 1956 年、さまざまな背景を持つ先駆的な専門家のグループが、AI に関する夏季研究プロジェクトを組織することを決定しました。 このプロジェクトを主導したのは 4 人の賢い人々でした。ジョン・マッカーシー（ダートマス大学）、マービン・ミンスキー（ハーバード大学）、ナサニエル・ロチェスター（IBM）、クロード・シャノン（ベル電話研究所）。この研究プロジェクトの主な目的は、「学習のあらゆる側面や知能のその他の特徴は、原理的に、それをシミュレートする機械を構築できるほど正確に記述できるかどうか」という疑問に取り組むことです。

会議からの提案には以下が含まれていました。

1) 自動コンピュータ

2) コンピュータは特定の言語を使用するようにどのようにプログラムされるのでしょうか?

3) ニューラルネットワーク

4) 自己啓発

これにより、インテリジェントなコンピューターを作成できるという考えが生まれました。希望の新しい時代が始まりました - 人工知能。

3. 人工知能の種類:

人工知能は 3 つのサブフィールドに分けられます。

1) 人工知能

2) 機械学習

3) ディープラーニング

4. 機械学習とは何ですか?

機械学習は、例や経験から学習するアルゴリズムを研究する技術です。機械学習は、データ内に将来の予測に使用できる特定のパターンがいくつかあるという考えに基づいています。ハードプログラムされたルールとの違いは、マシンが自ら学習してそのようなルールを見つけることです。

5. ディープラーニングとは何ですか?

ディープラーニングは機械学習のサブフィールドです。ディープラーニングとは、機械がより深い知識を学習することを意味するのではなく、機械がさまざまなレイヤーを使用してデータから学習することを意味します。モデルの深さは、モデル内のレイヤーの数によって表されます。たとえば、画像認識用の Google LeNet モデルには 22 層あります。ディープラーニングでは、学習フェーズはニューラル ネットワークによって実行されます。ニューラル ネットワークは、層が積み重ねられた構造です。

6. 人工知能と機械学習

私たちのスマートフォン、日常的に使用するデバイス、さらにはインターネットのほとんどが AI を使用しています。最新のイノベーションを発表したい大企業は、AI と機械学習を同じ意味で使用していることがよくあります。ただし、機械学習と AI にはいくつかの点で違いがあります。

AI（人工知能）は、人間のタスクを実行できるように機械をトレーニングする科学です。この用語は、科学者がコンピューターが自ら問題を解決する方法を研究し始めた 1950 年代に造られました。

人工知能は人間のような特性を持つコンピューターです。私たちの周りの世界を簡単かつシームレスに計算します。人工知能とは、コンピューターが同じことを実行できるという概念です。人工知能は人間の能力を模倣する大規模な科学であると言えます。

機械学習は、機械に学習方法をトレーニングする AI の明確なサブセットです。機械学習モデルはデータ内のパターンを探し、結論を導き出そうとします。つまり、人間が機械をプログラムする必要はありません。プログラマーは例を提供し、コンピューターはその例から何をすべきかを学習します。

7. AIはどこで使われていますか?

人工知能には幅広い用途があります。

人工知能は、反復的なタスクを削減または回避するために使用されます。たとえば、AIは疲れることなく継続的にタスクを繰り返すことができます。実際には、実行されているタスクに関係なく、AI は決して停止しません。

[[285556]]

人工知能は既存の製品を改善します。機械学習の時代以前は、コア製品はハードプログラムされたルールに基づいて構築されていました。企業は、新しい製品をゼロから設計するのではなく、製品の機能を強化するために AI を導入しています。ソーシャルプラットフォームからいくつかの写真を思い浮かべることができます。数年前は、友達に手動でタグを付ける必要がありました。最近では、AI の助けを借りて、ソーシャル プラットフォームが友達を推薦してくれます。

人工知能は、マーケティングからサプライチェーン、金融、食品加工など、幅広い業界で使用されています。マッキンゼーの調査によると、金融サービスとハイテク通信が AI をリードしている。

8. AIが急成長している理由は何ですか?

ニューラル ネットワークは、Yann LeCun の画期的な論文とともに 90 年代から存在しています。しかし、2012年頃から有名になり始めました。その人気の理由は 3 つの主な要因にあります。

1) ハードウェア

2) データ

3) アルゴリズム

機械学習は実験的な分野であり、新しいアイデアやアプローチをテストするにはデータが必要です。インターネットの普及により、データへのアクセスが容易になりました。さらに、NVIDIAやAMDなどの大手企業も、ゲーム市場向けに高性能グラフィックチップを開発しています。

1. ハードウェア

過去 20 年間で CPU の性能が爆発的に向上し、どのラップトップでも小規模なディープラーニング モデルをトレーニングできるようになりました。ただし、コンピューター ビジョンやディープラーニング用のディープラーニング モデルを処理するには、より強力なマシンが必要です。 NVIDIA と AMD の投資のおかげで、新世代の GPU (グラフィックス プロセッシング ユニット) が利用可能になりました。これらのチップにより並列コンピューティングが可能になります。これは、マシンが計算を複数の GPU に分割して計算を高速化できることを意味します。

たとえば、NVIDIA TITAN X を使用すると、従来の CPU では数週間かかる ImageNet モデルのトレーニングが 2 日で完了します。さらに、大企業では、データセンターのコスト削減とパフォーマンスの向上に役立つため、GPU クラスターを使用して NVIDIA Tesla K80 を使用したディープラーニング モデルのトレーニングを行っています。

2. データ

ディープラーニングはモデルの構造であり、データはそれを実現するものです。データは人工知能の原動力となります。データがなければ何もできません。最新のテクノロジーにより、データストレージの限界が押し上げられました。大量のデータをデータセンターに保存することが、これまでになく簡単になりました。

インターネット革命により、機械学習アルゴリズムに供給するためのデータの収集と配信が可能になりました。 Instagram やその他の画像を扱うアプリに慣れている人なら、その AI の可能性を推測できるでしょう。これらのサイトにはタグ付けされた写真が何百万枚もあります。これらの画像を使用すると、データを手動で収集してラベル付けすることなく、画像内のオブジェクトを認識するニューラル ネットワーク モデルをトレーニングできます。

人工知能とデータの組み合わせは新たな黄金時代です。データは、どの企業も無視してはならない独自の競争上の優位性です。 AI はデータから最適な回答を提供します。すべての企業が同じテクノロジーにアクセスできる場合、データを持つ企業が他の企業に対して競争上の優位性を持つことになります。一例を挙げると、世界では毎日約 2.2 EB、つまり 22 億ギガバイトのデータが生成されています。企業は、大規模にパターンを見つけて学習できるように、非常に多様なデータ ソース セットを必要としています。

3. アルゴリズム

ハードウェアはかつてないほど強力になり、データに簡単にアクセスできるようになりましたが、ニューラル ネットワークの信頼性を高めるには、より正確なアルゴリズムの開発が必要です。ナイーブニューラルネットワークは、深い統計特性を持たない単純な行列乗算です。 2010 年以降、ニューラル ネットワークの改善において注目すべき発見がありました。人工知能は増分学習アルゴリズムを使用して、データにプログラミングを実行させます。これは、コンピューターが異常の発見やチャットボットになるなど、さまざまなタスクを実行する方法を自ら学習できることを意味します。

[[285557]]

IX. 結論

人工知能と機械学習は紛らわしい用語です。人工知能は、人間の作業を模倣または複製するように機械をトレーニングする科学です。科学者はさまざまな方法を使って機械を訓練することができます。 AI 時代の初期には、プログラマーはプログラムをハードコードし、機械が直面する可能性のあるあらゆる論理的可能性とその対応方法を入力していました。システムが複雑になると、ルールの管理が難しくなります。この問題を克服するために、機械はデータを活用して、特定の環境におけるあらゆる状況に対処する方法を学習することができます。

強力な AI を実現するための最も重要な機能は、異質性が強い十分なデータを持つことです。たとえば、学習するのに十分な単語があれば、機械はさまざまな言語を学習できます。 AIは新たな最先端技術です。マッキンゼーは、AI があらゆる業界の成長を少なくとも 2 桁押し上げる可能性があると見積もっています。

10. 小さなイースターエッグ: 独自の AI を開発するには?

AI を学び、AI アプリケーションを開発するにはどうすればよいでしょうか?プロセスを簡素化し、敷居を下げます。 AIX は、コンピューター ビジョンとインテリジェント音声インタラクションという 2 つのコア機能を統合したミニ人工知能ハードウェアです。Intel のプロフェッショナル グレードの AI アクセラレーション コンピューティング チップとさまざまなセンサー技術を搭載しており、新しいインターネット、モノのインターネット、人工知能技術を全面的に体験し、学習できる「スーパー スマート ブレイン」です。 Titanium AIX は、より多くの AI 愛好家、開発者、さらには学生が人工知能の学習および研究開発コストを削減し、AI アプリケーションの開発を加速するのに役立ちます。

AIX を使用して 5 分で AI アプリケーションを開発します。

1. 事前トレーニングおよびコンパイルされたAIモデルをダウンロードする

2.モデルファイルを読み込み、画像または音声ファイルをモデルに入力してAIモデルの推論結果を取得します。

3. モデルの推論結果を独自のPythonコードと組み合わせて、独自のAIアプレットを開発する

世界で最も人気のある機械学習フレームワークである TensorFlow (GitHub で 9.9 千人以上の貢献者がいるオープンソース プロジェクト) は Titanium AIX と完全に互換性があり、開発者が学習、開発、実践するのに非常に便利です。