人工知能は私たちの仕事を奪うのでしょうか？北京大学の教授2人は次のように解釈した。

[[317607]]

人工知能（AI）とは、人間と同等かそれ以上の知覚、認知、行動などの知能を機械に実装するシステムを指します。人類史上の他の技術革命と比較すると、人工知能が人類社会の発展に与えた影響はトップクラスにランクされるかもしれません。人類社会も、コンピュータ、通信、インターネット、ビッグデータなどの技術に支えられた情報化社会から、人工知能を主力とするインテリジェント社会へと移行しており、その結果、人類の生産と生活、そして世界の発展パターンは、より深刻な変化を遂げることになるだろう。

人工知能は強い人工知能と弱い人工知能に分けられます。強力な人工知能は、汎用人工知能とも呼ばれ、人間のレベルに達するかそれを超え、外部環境の課題に適応的に対応でき、自己認識機能を持つ人工知能を指します。弱い人工知能は、狭義の人工知能とも呼ばれ、顔認識や機械翻訳などの専用または特定のスキルを実現する人工システムの知能を指します。これまで私たちが知っている人工知能システムはすべて、特定の、あるいは専用の人間の知能を実現しただけであり、弱い人工知能システムです。弱い人工知能は、囲碁などの単一のイベントで人間に挑戦することができますが、人間は人工知能に敵いません。

人工知能の開発には、3 つの基本的な考え方と技術的な道筋があります。

人工知能の研究は1940年代に始まりましたが、その完全な概念が歴史の舞台に正式に登場したのは、1956年に米国のダートマス大学で開催された「人工知能に関する夏季セミナー」で提案されたときでした。このセミナーのテーマは、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ことであり、それが人工知能の浮き沈みとスパイラルな発展を促進してきました。

1956 年から 1976 年までの第一段階は、記号論理に基づく推論と証明の段階でした。この段階の主な成果は、論理計算のための数学的ツールとしてのブール代数と推論ツールとしての演繹的推論の使用、論理プログラミング言語の開発、代数的機械定理証明を含む機械推論および意思決定システムの実装でした。しかし、人工知能の理論、方法、ツールがまだ完成していなかった初期の段階では、認知を征服するという目標を設定することは明らかに非現実的であり、人工知能の研究は次第に高みから低みへと移っていきました。

1976 年から 2006 年までの第 2 段階は、人工ルールに基づくエキスパート システムの段階でした。この段階における主な進歩は、知識工学における新しい研究分野の開拓、エキスパートシステムツールと関連言語の開発、そして故障診断エキスパートシステム、農業エキスパートシステム、病気診断エキスパートシステム、自動郵便仕分けシステムなど、さまざまなエキスパートシステムの開発でした。エキスパート システムは主に知識ベース、推論エンジン、対話型インターフェイスで構成されており、知識ベース内の知識は主にさまざまな分野の専門家によって手動で構築されます。しかし、知識は専門家の手作業による表現を通じてのみ実現されるため、不完全なものとなり、専門家システムが人間の専門家の絶えず変化する学習能力に追いつくことは不可能になります。人工知能研究は、2度目のボトルネック期に突入しました。

3つ目の段階である2006年から現在までは、ビッグデータによって駆動されるディープニューラルネットワークの段階であり、ディープラーニングが普及した時期でもあります。人工ニューラルネットワークの開発は、人工知能の発展とともに浮き沈みを経験してきました。初期の頃は、生体神経系の特定の機能をシミュレートする能力に大きな注目が集まっていましたが、複雑なネットワークの学習収束性、堅牢性、迅速な学習能力を把握することは困難でした。ニューラル ネットワークの研究で重要な進歩が遂げられたのは、1980 年代のバックプロパゲーション アルゴリズムと 1990 年代の畳み込みネットワークの発明によってでした。ディープニューラルネットワーク手法が前面に出て、人工知能の新たな段階の到来を告げています。

人工知能の誕生以来、その発展には 3 つの基本的な考え方と技術的な道筋がありました。

最初の道は記号論または論理学派です。形式論理がその理論的基礎です。人工知能は知能の機能的シミュレーションから始めるべきだと主張しています。記号は知能の基本要素であり、知能は記号の表現と計算のプロセスであると信じています。上で述べた第一段階と第二段階の両方において、象徴主義が支配的な考え方でした。

2 番目の道は、1940 年代に始まったコネクショニズムまたはニューラル ネットワーク学派であり、知的な活動は、複雑な接続を介して並列に実行される多数の単純な (ニューラル) ユニットの結果であると強調しています。基本的な考え方は、人間の脳の知能はニューラル ネットワークによって生成されるため、ニューラル ネットワークを人工的に構築し、トレーニングを通じて知能を生成する必要があるというものです。人工ニューラル ネットワークは、生物学的ニューラル ネットワークを抽象化および単純化したものです。 1980 年代のニューラル ネットワークの台頭と近年のディープラーニング ネットワークの台頭は、どちらも複数層のニューロンを含む人工ニューラル ネットワークです。

3 番目の道は、行動主義または制御学派、つまり進化論としても知られています。この学派は 1980 年代後半から 1990 年代前半にかけて出現し、その思想的源泉は 1940 年代のサイバネティクスでした。サイバネティクスでは、知性は知的主体と環境および他の知的主体との相互作用の成功体験から生まれ、適者生存の結果であると信じています。

機械学習は人間を反復労働から解放する未来の方向性である

機械学習は、1980 年代半ばに開発された人工知能の新しい方向です。機械学習は、機械が人間の学習行動をシミュレートまたは実装して新しい知識やスキルを習得したり、環境に応じて戦略を適応的に調整したりする方法を研究します。機械学習により、経験からの「帰納」と「推論」を通じて機械が自動的に改善できるようになります。

現在、機械学習は、ディープラーニングの解釈可能性と信頼性、インテリジェントシステムの自己学習および自己適応機能の強化、教師なし学習、マルチモーダル協調学習、強化学習、生涯学習などの新しい機械学習手法など、人工知能研究におけるホットなトピックの1つであり続けています。さらに、データのセキュリティとプライバシー保護を考慮すると、データが暗号化されているか部分的に暗号化されているかをどのように学習するかも重要な研究方向です。ディープラーニングの波に後押しされ、機械知覚、パターン認識とデータマイニング、自然言語処理、知識表現と処理、スマートチップとシステム、認知と神経科学に触発された人工知能、人工知能と他の分野の交差点など、人工知能の他の研究方向も加速しています。

中国は世界最大の人工知能研究開発と産業を有する国の一つです。当社は、人工知能の基礎理論やアルゴリズム、コアチップやコンポーネント、機械学習アルゴリズムのオープンソースフレームワークなどの分野で遅れてスタートしましたが、国家の人工知能優先開発戦略、ビッグデータの規模、人工知能の応用シナリオと産業規模、若い人材の数において優位性を持っています。

中国の人工知能開発は課題と機会の両方に直面しているが、機会が課題を上回っている。当社は後発ではありますが、市場規模が大きく、若者が多く、闘争心が強いため、長期的には有利になります。蒸気機関が18世紀半ばに100年間続いた第一次産業革命をもたらし、電気が19世紀半ばに100年間続いた第二次産業革命をもたらし、コンピュータと通信が20世紀半ばに70年以上続いた第三次産業革命をもたらした場合、人工知能が今世紀半ば頃に100年間影響を及ぼす次の産業革命をもたらすと予測できます。もちろん、現在の人工知能技術の蓄積は、インテリジェント時代を導くために必要なレベルには程遠く、継続的な蓄積と革新が必要です。現在のコンピュータ アーキテクチャは、強力な人工知能を実現するための要件を満たすことができません。将来的にブレークスルーが起こり得る方向性としては、人工知能、脳のようなコンピューティング、生物学的コンピューティング、量子コンピューティングなどの基本理論とアルゴリズムが挙げられます。

その影響は国家の発展だけでなく、何億人もの労働者の日常生活にも影響を及ぼします。ディープラーニングに代表される人工知能技術は急速に発展し、広く利用されるようになり、人間の社会生活のあらゆる側面を大きく変えつつあります。業界は効率向上とコスト削減の観点から、人工知能技術を積極的に採用し、インテリジェントロボット、インテリジェント製造、インテリジェント監視、無人運転、自動質疑応答、医療診断、スマートホーム、政府業務、法律業務など、さまざまな応用問題を解決し、人類に福祉をもたらしています。

雇用の観点から見ると、スーパーマーケット、銀行、レストランなどで機械サービスが使われるケースが増えており、弁護士や証券アナリストなど高度な知識を要する仕事もロボットに置き換えられる可能性があり、労働者の雇用に課題が生じています。人工知能の応用は必然的に労働生産性を向上させるでしょう。これは、第一次産業革命の際、機械の応用によって従来の軽工業の雇用が減少する一方で、新興産業の雇用も増加したのと同じです。人工知能についても同じことが言えます。人工知能が発展するにつれて、多くの新しい仕事が生まれますが、求められるスキルは従来の仕事とは異なります。そのため、人工知能の発展に伴い、就業構造の変化に合わせて教育訓練システムも積極的に調整し、産業高度化におけるキャリア転換訓練の推進を加速させる必要がある。

人工知能は、単純で反復的な労働から私たちを解放し、人間が知的潜在能力を最大限に引き出すことを助けます。これからのインテリジェント社会に向けて、私たちは前向きな姿勢で変化を受け入れるべきです。仕事を失うことを心配する代わりに、私たちは機械と励まし合うべきです。機械はまだ学習中なので、私たち人間は一生懸命働いて生涯学習すべきではないでしょうか。 （著者の高文は北京大学教授であり、中国工程院の院士である。黄鉄軍は北京大学教授である）