1999年、ハリウッドSF映画史上最も重要なSF映画『マトリックス』が公開されました。この映画は、一見普通の現実世界が、実は「マトリックス」と呼ばれる人工知能プログラムによって制御されているという話です。最初の映画の成功を受けて、シリーズは第2作、第3作へと続きました。
コンピュータ技術の誕生以来、未来の技術を空想する人類の熱意は、決して薄れることはありませんでした。人工知能は、コンピューターサイエンスの一分野として、SF映画でも話題になっています。しかし、ほとんどのSF映画では、人工知能は悪役の役割を果たしています。
例えば、『マトリックス』の「マトリックス」や、『ターミネーター』シリーズの「スカイネット」など。しかし、『人工知能』の少年や『ロボット・バトラー』のロボット・アンドリューのように、人工知能を肯定的に描いた映画も数多くあります。当時、コンピューターは急速に発展していましたが、一般大衆はまだコンピューターが人間の脳に勝つことはできないと感じていました。 この認識の変化は、1996 年に開催されたチェス トーナメントから始まりました。 1996年2月、世界に名だたる人間と機械の戦いが世界の前で繰り広げられた。一方には当時の世界チェスチャンピオンのカスパロフがおり、もう一方には有名なスーパーコンピューター「ディープ・ブルー」がありました。 両者の最初の試合では、ディープブルーがカスパロフに合計スコア2-4で敗れた。この結果は予想の範囲内のようです。結局のところ、コンピューターがどれだけ強力であっても、何千年にも及ぶ人類の知恵の結晶においては人間に勝つことはできません。 Deep Blueを開発したIBMチームは反論せず、その代わりにDeep Blueのプログラムをひっそりとアップグレードし始めました。
1997 年 5 月に話が進み、ディープ ブルーは再びカスパロフに挑戦しました。最初の成功の後、多くの人々は懐疑的になり、チェスの分野でコンピューターが人間に勝つことは幻想であると信じていました。彼らの見解では、この競争の勝者はやはり人間である。 しかし、現実は彼らに厳しい試練を与えた。 当時世界ランキング1位だったカスパロフは、合計6試合で1勝2敗3引き分けの成績でディープブルーに敗れました。この試合はチェスの歴史に新たな一章を刻むこととなりました。 Deep Blue の出現は、人工知能技術の急速な発展の始まりを示しています。 20年後の2016年、Googleが開発した人工知能プログラム「AlphaGo」が、囲碁で再び人間に勝利した。 Deep Blueとは異なり、AlphaGoは登場から1年以内に一度も負けたことがなかった。それ以来、AI技術に対する人々の印象は、当初の映画の登場人物から現在のチェスの名人へと変化しました。 では、「映画俳優」やチェスの名人であること以外に、AI テクノロジーには何か他のアイデンティティがあるのでしょうか?
AI が何ができるかを理解するには、まず AI とは何かを理解する必要があります。 AI技術が急速に発展している現在、一般向けの科学書はほとんどありません。科学の一般書も第一線の専門家ではない人が書いたものが多く、AI技術の説明は第一線の専門家が書いたものほど詳しくありません。 現在、人工知能の分野では、IBM の Deep Blue、Google の AlphaGo、日本の PONANZA という 3 つの有名な AI プログラムがあります。 PONANZAの開発者の一人である山本一成氏は、PONANZAの設計と改良の過程を解説することで、人工知能で何ができるのかを一般の人々に紹介しました。 『読みたい人工知能の歴史』では、山本一成氏が人工知能分野の3つの中核技術について簡単に説明しています。これら 3 つのテクノロジーは、機械学習、ディープラーニング、強化学習です。山本一成氏は複雑な数式や論理を使わず、人工知能の概念を簡単な言葉で読者に説明しようとしました。 次に、人工知能の概念から始めましょう。 人工知能とは何ですか? 人工知能の英語名は Artificial Intelligence であり、略して AI と呼ばれます。これは、人間の知能をシミュレート、拡張、拡大するための理論、方法、技術、アプリケーション システムを研究および開発する新しい技術科学です。簡単に言えば、コンピューターは人間の思考と意識のプロセスをシミュレートします。 多くの人は、人工知能の応用分野は知能ロボットだけだと考えていますが、実際にはそれでは人工知能の応用範囲を完全にまとめることはできません。人工知能は1970年代以降、3大最先端技術の一つとして、ロボット工学の分野をはじめ、言語認識、画像認識などにも広く活用されてきました。 映画制作以外に人工知能は何に使われるのでしょうか?
実際、AIの応用分野は非常に広く、前述の言語認識や画像認識などの分野では、AIは幅広い応用の見通しを持っています。かつてSF映画に登場したインスタント翻訳システムが、今では現実の生活でも使われています。 WMT2017でもマイクロソフトの機械翻訳は人間のレベルに達しています。 国内のAI分野でも画像認識技術の応用が急速な進歩を遂げている。つい最近、警察はテンセント・ラボの画像認識システムから提供された手がかりをもとに、10年以上行方不明だった4つの家族の子供たちの捜索を手伝った。 音声認識や画像認識に加えて、AI はデータマイニング、エキスパートシステム、インテリジェント検索などの分野でますます重要な役割を果たすことができます。いつか、マーベル映画の「Supreme Intelligence」のようなスーパー AI プログラムを設計できるようになるかもしれません。 人工知能の3つのコア技術は何ですか? 山本一成氏は「読みたい人工知能の歴史」の中で、人工知能の3つの中核技術を読者に紹介しました。それは、機械学習、ディープラーニング、強化学習です。これら 3 つのテクノロジーは、知的生物の 3 つの能力、つまり自己学習能力、抽象的思考能力、予測および判断能力を表しています。 まず、機械学習とは何かを見てみましょう。学校に通っていたとき、私たちはみんな先生が「自分で学ばなければ、神様も教えることはできない」と言うのを聞いたことがあります。この言葉で先生が強調しているのは、生徒が学習に対して主体的な意欲を持っているかどうかです。生徒が学びたいと思ったときだけ、先生は生徒に教えることができます。 コンピュータにとって、機械学習とは「主観的な主導権」を与えることを意味します。機械学習技術が普及する前は、コンピューターが何を学習し、どの程度学習できるかは、設計者がコンピューターに何をどの程度教えたかに完全に依存していました。たとえば、チェスゲームでは、プログラマーがチェスの記録をデータに変換してコンピューターに入力して初めて、コンピューターはチェスの記録を学習できます。 チェスゲームは何千年も前から存在しており、よく知られているチェスゲームは数え切れないほどあります。導き出せるチェスのゲームの数はガンジス川の砂粒の数ほどで、プログラマーの力だけに頼って、すべてのチェスのゲームをコンピューターに委ねることは不可能です。コンピュータが網羅的手法に頼ってチェスをプレイすることを許可された場合、それは人工知能とはみなされません。 そのため、機械学習技術は人工知能にとって非常に重要です。機械学習技術の意義は、コンピューターが本来の「学習しなければならない」から現在の「学習したい」に変化できるようにすることです。これまでの人工知能の分野では、コンピュータの学習速度はプログラマーの入力速度によって制限されていました。機械学習技術の導入後、人工知能の学習速度は飛躍的に向上しました。
機械学習の意味がわかったところで、ディープラーニングとは何かを見てみましょう。人工知能の分野には、チューリングテストという非常に有名な実験があります。この実験はイギリスの科学者チューリングによって提案されたもので、その一般的な意味は「コンピューターは人間のように考えることができるか?」と理解できます。 前述の機械学習は、コンピュータに学習するための主観的なイニシアチブを与えるだけですが、抽象的な思考の点では、コンピュータはまだ人間に匹敵しません。人工知能の目標は、コンピューターが人間の脳を完全にシミュレートできるようにすることです。コンピューターが学習することはできても抽象的に考えることができないのであれば、それは人工知能とは言えません。 2006 年以前は、チューリング テストは人工知能にとって手の届かないものでした。ディープラーニングアルゴリズムの普及後、人工知能の分野は画期的な進歩を遂げました。 外部からの情報を受け取った後、私たちはそれを解釈します。このプロセスは単純に見えますが、実際には抽象的な理解のプロセスです。たとえば、猫を見ると、私たちの脳は猫という概念を形成します。しかし、猫がなぜ猫なのかについては考えたことがありませんでした。
ネズミを捕まえることができる、毛がある、尻尾があるなど、猫にはどんな特徴があるか、多くの人は知っています。しかし、コンピューターは理解できません。これらの特徴をデータとしてコンピューターに入力すると、データが一致しなくなると、コンピューターは目の前の生き物が猫かどうかを判断できなくなります。 例えば、人工知能に猫には毛があると教えた場合、カナダのスフィンクス猫が目の前に現れても、人工知能はその猫が猫かどうかを判断できなくなります。 機械学習によってコンピューターが人間のように能動的に学習できるようになるとすれば、ディープラーニングはコンピューターに人間のように抽象的に考えることを教えます。
最後に、強化学習とは何かを理解するために、山本一成氏に倣いましょう。人工知能の分野で、最も難しいチェスソフトウェアは囲碁です。なぜなら、囲碁ではチェスや将棋のように、駒の強さによって場の状況や駒を動かす優先順位を決めることができないからです。この問題を解決するために、科学者たちはコンピューターに強化学習システムを導入しました。 強化学習を通じて、知能の高い生物は、最大の報酬を得るためにさまざまな状態でどのような行動を取るべきかを知ることができます。簡単な例を挙げると、いたずらっ子は宿題をやりたくないのです。宿題を終えたらアニメを見てもいいよと親が息子に言ってあげれば。この時、子どもは素直に宿題をこなし、時間が経つにつれて、宿題をすることとご褒美をもらうことを結び付けるようになります。
長期にわたる訓練を受けたプロの囲碁プレイヤーは、配置によって勝つ方法を知っていますが、コンピューターはこのゲームプロセスを理解していません。ゲーム中、コンピューターは強化学習アルゴリズムに基づいてゲームについて予測し、最も有利なチェスの動き戦略を自ら実行します。 最後に、人工知能の 3 つのコア技術を一言で簡単にまとめると、機械学習は人工知能に能動的に学習する能力を与え、ディープラーニングは人工知能に抽象的に考える能力を与え、強化学習は人工知能に予測と判断を行う能力を与えます。 多くの人が「人工知能は人類社会にとってどのような意義があるのですか?」と尋ねるでしょう。ここで例を挙げたいと思います。2017年にGoogleのAlphaGoが柯潔に勝利した後、囲碁界では新しい囲碁の打ち方がひっそりと登場しました。この打ち方は「阿吽式」と呼ばれています。 AlphaGoに敗れた後、柯潔はAlphaGoのスタイルを習得し、強力なキラーとなった。 人工知能の積極的な開発は、社会の生産効率を向上させるだけでなく、新たな前進の方向性を見つけるのにも役立ちます。人間は、自身の条件の制限により、コンピュータほど速くデータを処理できません。しかし、人工知能の助けにより、人類の進化のスピードは大幅に加速されるでしょう。 そして、これが人間社会における人工知能の重要な役割なのかもしれません。 |
<<: どうやってパートナーを見つけたのですか?日本のネットユーザー:国はAIを使って配信している
序文Matplotlib は、データの視覚化を簡単に作成できる人気の Python ライブラリです。...
今では、このビッグモデルもその失敗から学んでいます。香港科技大学とファーウェイ・ノアの箱舟研究所によ...
現在、GoogleやOpenAIなどの大手企業が開発したテキストから画像へのモデルは、興味深いニュー...
この号では、Kuaishouがコミュニティサイエンスラインで独自開発した論文「TWIN:Kuaish...
編纂者 | Yan Zheng制作:51CTO テクノロジースタック(WeChat ID:blog)...
LangChain、OpenAI、PineconeDB を使用して、任意のデータ ソースから質問応答...
2017 年の最もホットなテクノロジートピックは間違いなく人工知能です。人工知能は非常に難しい科学...
プログラミングにおいて、ソートはデータをより速く簡単に見つけるのに役立つ重要なアルゴリズムです。この...
自動運転車は自動車業界にとって非常に破壊的な技術です。現在、多くのメーカーが物流、自動運転タクシー、...
ハブの紹介 Activeloop の Hub は、Numpy のような配列にデータを配置するオープン...