18 世紀半ば以降、3 度の産業革命により、蒸気駆動の機械生産から電気駆動の機械生産へと、人類社会に劇的な変化がもたらされました。 20 世紀半ばは急速な技術革新の時代でした。集積回路、コンピューター、ロボット、人工知能などの技術はすべてこの時代に登場しました。しかし、1956年の誕生以来、人工知能の発展は順風満帆ではありませんでした。2006年にディープラーニングアルゴリズムが登場して初めて、人工知能は真の意味でその強力な魔法を発揮し、人々の生産と生活に徐々に浸透し、社会の進化を大きく変えました。 人工知能とは何か 人工知能は、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分野です。その目的は、知能の本質を理解し、人間のような知能を持つインテリジェント マシンを生み出すことです。比喩的に言えば、人工知能とは、機械が「人間のように考える」、「人間のように行動する」、「合理的に考える」、「合理的に行動する」ことを研究し、可能にする分野です。 人工知能の分類 2016年10月に米国が発表した「国家人工知能研究開発戦略計画」報告書では、人工知能は狭義の人工知能と広義の人工知能に分類されました。狭義の AI システムは、音声認識、画像認識、翻訳など、特定のタスクの完了のみに焦点を当てています。近年登場した IBM の Watson や Google の AlphaGo もこれに含まれます。汎用人工知能システムには、学習、言語、認知、推論、創造性、計画が含まれます。その目標は、ある分野の知識を別の分野に適用し、人間とのインタラクティブな学習を可能にすることです。 2017年5月にハーグ戦略研究センターが発表した報告書「人工知能と将来の防衛」では、人工知能は狭義の人工知能、汎用人工知能、超人工知能の3つのカテゴリーに分類されました。狭義の人工知能とは、機械知能が特定のタスクにおいて人間の知能と同等かそれを超えることを意味します。汎用的な人工知能とは、機械知能があらゆるタスクにおいて人間のすべてのパフォーマンスを満たすことを意味します。超人工知能とは、機械知能があらゆるタスクにおいて人間の知能を上回ることを意味します。 一般的に、人工知能は弱い人工知能、強い人工知能、超人工知能の 3 つのカテゴリに分類できます。弱い人工知能は特定の分野の問題しか解決できませんが、強い人工知能は人間のあらゆる作業を実行でき、超人工知能は人間に匹敵する知恵と才能を持っています。明らかに、人類は現在、弱い人工知能の時代にあり、強い人工知能や超人工知能にはまだまだ遠い道のりです。 人工知能の研究範囲 現在、人工知能はコンピュータ、脳科学、神経生理学、心理学、言語学、論理学、認知科学、行動科学、生命科学、数学、情報理論、サイバネティクス、システム理論などの分野を包含する巨大で繁栄した学問体系に発展しており、典型的な最先端の学際的な科目となっています。 人工知能は「見る」能力を持つ必要があり、そのためにはコンピュータービジョン技術の研究が必要です。 人工知能は「聞く」能力が必要であり、そのためには広報用の音声認識技術が必要となる。 人工知能は「話す」ことができる必要があり、そのためには自然言語処理と音声合成技術の開発が必要です。 人工知能は「行動」できなければなりませんが、そのためにはバイオニックロボット、自動運転車、ドローンなどの技術の開発が必要です。 人工知能は「学習」できなければならないが、そのためには機械学習技術を習得する必要がある。 人工知能は「考える」能力を持つ必要があり、そのためには脳科学などの技術の研究が必要です。 さらに、人工知能にはキャリアも必要です。このキャリアは、ロボット、自動運転車、スマートフォンなどのソフトウェアとハードウェアを組み合わせた物理システムである場合もあれば、エキスパートシステム、意思決定支援システムなどの純粋なソフトウェアシステムである場合もあります。 つまり、図 1-1 に示すように、人工知能のさまざまな研究分野は、人間の知能のさまざまな能力と 1 つ 1 つ一致させることができます。 図1-1 人工知能研究の範囲 人工知能産業チェーン 過去10年ほどの開発ブームで、人工知能は巨大な産業システムを生み出しました。システムは、大まかに、基本層、技術層、アプリケーション層の 3 つの主要なセクションに分けられます。このうち、基礎層にはAIチップ、スマートセンサー、情報通信ネットワーク、クラウドコンピューティングなどが含まれ、技術層にはアルゴリズム、フレームワーク、一般技術(機械学習、ディープラーニング、音声認識、自然言語理解、コンピュータービジョン、ヒューマンコンピューターインタラクションなど)が含まれ、応用層にはスマートフォン、スマートスピーカー、ウェアラブルデバイス、ロボット、ドローン、自動運転、仮想/拡張現実などの消費者端末が含まれ、金融、セキュリティ、交通、教育、家庭、小売、医療、農業、製造などの分野における人工知能の産業応用が含まれます(図1-2を参照)。 図1-2 人工知能産業チェーン なお、このホワイトペーパーでは、人工知能産業チェーンの応用層の基本層、技術層、消費者端末に焦点を当てています。人工知能の産業応用は、このホワイトペーパーの範囲外です。 機能面から見ると、基本層は主にハードウェアベースで、人工知能アプリケーションに豊富なデータと強力なコンピューティングパワーを提供し、人工知能技術のインフラストラクチャです。技術層は主にソフトウェアベースで、人工知能アプリケーションに効率的で柔軟なアルゴリズム、フレームワーク、プラットフォームを提供し、人工知能技術の中核です。アプリケーション層はさまざまな技術の集大成であり、人工知能技術のシナリオ実践です。 |
>>: Java はなぜ機械学習やディープラーニングを実際にサポートできないのでしょうか?何が欠けている?
機械学習の分野が発展し続けるにつれて、機械学習を扱うチームが単一のマシンでモデルをトレーニングするこ...
[[324419]]データ サイエンス プロジェクトに取り組んだことがある場合、データ マイニングの...
「ブロックチェーンが停滞期に入ることは必ずしも悪いことではありません。この期間中、私たちはゆっくりと...
機械学習モデルが現実世界でますます使用され、導入されるようになると、AI の意思決定は人々の日常生活...
この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...
昨今、室温超伝導の再現に対する世界的な熱気は衰えを知らず、さまざまな有力者が自らの見解を表明している...
ChatGPTは来週Android版をリリースすることを公式に発表し、Google Playストアで...
[[340795]]ビッグデータダイジェスト制作近年、ディープラーニング エンジニアは市場で最も人気...
今日では、驚くほど人間らしい文章の一部は、実際には大量の人間の文章でトレーニングされた AI システ...
エッジ インテリジェント テクノロジーのエンジニアリング プラクティスを紹介する前に、避けることので...
本日、Google TensorFlow は、ニューラル グラフ学習手法を使用してグラフと構造化デー...
かつては世界で最も強力だと考えられていたGPT-4も、リリース以来、いくつかの「信頼の危機」を経験し...
ビジネス ワークフローに AI ツールを導入すると、ハッカーにとってより価値が高く、防御が困難になる...