人工知能業界を理解するにはどうすればいいのでしょうか？まず知っておくべき知識は何でしょうか？

人工知能の発展を理解したい場合、または人工知能の基本的な応用を理解したい場合は、まずいくつかの基本的な概念を理解する必要があります。その最初の概念は人工知能を理解することです。

[[405767]]

1. 人工知能の発展

まず、人工知能は近年になって登場した新しい概念ではないことを理解する必要があります。人工知能は1956年に米国のダートマス会議で初めて誕生し、その発展にも多くの浮き沈みがありました。人工知能が広く利用されるようになり、一般人の前に現れるようになったのは近年のことである。人工知能の文字通りの意味は、人間が作り出した知能です。人工というのは分かりやすいですが、知能とは何でしょうか?いろいろな意見があります。

2. 人工知能の分類

人工知能の広い概念によれば、最も初期のコンピュータも人工知能の一種でした。しかし、コンピュータが最初に発明されたとき、それはデータの保存と計算に使用されていたため、その時代における知能は計算知能と呼ばれていました。その後の技術の発展により、私たちは知覚知能の時代に到達しました。それが現在私たちがいる時期です。知覚知能の特徴は、外界から見たものを自己知覚し、フィードバックを与える能力です。しかし、これはまだ真の知能からは程遠いものです。なぜなら、真の知能には自己思考と、ある程度の推論と認知能力が必要だからです。そのため、次の時代は認知知能の時代と呼ばれています。認知知能と呼ばれる理由は、コンピュータプログラムがある程度認知能力を持たなければならないからです。このとき、コンピュータは外界の物事を知覚できるだけでなく、ある程度の推論と意思決定能力も持っています。現在知覚している画像、音声、言語などの情報を総合的に考慮し、次に実行する動作を選択できます。もちろん、これはまだ人工知能の最終形態ではありません。人工知能の最終形態は創造的知能と呼ばれます。名前が示すように、この時点での人工知能は、人間が持っている知能と持っていない知能をすべて備えています。それ自体が超知能体であるだけでなく、自分と同等の知能を持つ知能体を複数作成することもできます。業界のさまざまな段階におけるインテリジェンスの給与と福利厚生も大きく異なります。

もちろん、人工知能は知能レベルに応じて弱い人工知能、強い人工知能、超人工知能に分けられます。弱い、強い、超強いとありますが、基準となる物体は何でしょうか？そうでなければ、どうやって強さや弱さについての結論を導き出せるでしょうか?人工知能というくらいですから、人工知能ですから、参照対象は人間です。一般的に、総合的な能力が人間よりも弱いものを弱い人工知能、総合的な能力が人間と同じものを強い人工知能、総合的な能力が人間を超えるものを超人工知能と呼びます。ここで話題にしているのは、単一の能力ではなく、総合的な能力であることに注意してください。Google の DeepMind の Demis Hassabis 氏が率いるチームによって 2016 年に開発された AlphaGo は、囲碁を打つという単一のスキルでは人間をはるかに上回っていますが、他の面ではまだ人間に及ばないため、強力な人工知能とは見なされていません。

絵を描いたり、文章を書いたりすることを学ばせればいいと言う人もいるかもしれません。いずれにせよ、人間のスキルをすべて習得すれば、人間を超えることができるでしょう。理想は確かに充実していますが、現実は非常に貧弱であることがよくあります。ディープラーニングが支配するディープニューラルネットワークは非常に強力で、一部の領域では人間を凌駕するほど強力ですが、その巨大なマトリックスパラメータは学習を通じてゆっくりと調整され、固定され、この固定されたターゲットが指定された結果となります。指定された結果が変わると、モデルを再学習する必要があり、パラメータも変わるため、最終的には、絵を描くように教え、絵を描くことを学習しますが、パラメータが変わったため、今描く方法しか知らず、以前に学習したチェスのスキルは存在しなくなります。つまり、絵を描くことは学習しましたが、チェスの遊び方を忘れてしまったのです。この現象は業界では破滅的忘却と呼ばれています。現在、この問題を解決できる企業や研究機関はありません。この問題が解決されれば、人類は強力な人工知能の時代に入るからです。そのため、今はまだ弱い人工知能の時代です。人工知能の発展の全段階において、私たちは人工知能の幼少期にあります。

超人工知能については、その頃には人間が定めたルールに抜け穴ができて、人間はやがてAIの奴隷になるだろうという声もある。ロボット三原則のように、人間をはるかに超える認知能力を持つAIにとっては、法律全体を覆すことも容易だろう。もちろん、私たちが今直面している問題は、強力な人工知能の時代にどうやって入っていくかということです。これは、10代の若者が老後の暮らし方について考えているようなものです。それは、現時点で考えるべきことではありません。

3. 人工知能の実装方法

現在、人工知能を実装する方法は、伝統的な統計（伝統的な機械学習方法とも呼ばれる）に基づく統計モデルと、バイオニックニューラルネットワークに基づくディープラーニングモデルの2つに大別できます。前者は1990年代に繁栄しましたが、21世紀以降、ハードウェアの反復の加速と膨大なデータの増加により、ディープラーニングは発展する機会を得ました。2006年、ヒントンらが開発したいくつかの新しいモデルアプリケーションは、人工知能時代の発展に正式に新しい章を開きました。ディープラーニングに代表される多くのアルゴリズムモデルは、初めて効果と効率の点で従来の統計モデルを上回り、ディープラーニングは実用化においてさらに輝きを増しました。これまでの統計モデルとは異なり、そのほとんどは一部の実験にしか使用できず、特定の実用化に使用すると、結果が理想的ではないことがよくあります。これは主に、従来の統計ではデータの特徴を専門家が設定することに重点が置かれているのに対し、ディープラーニングではコンピューターが自らデータの特徴を学習できるためです。人間の介入が少ないため、コンピューターが学習するデータの特徴はより豊富で完全です。効果は当然良くなります。唯一の欠点は、より多くのデータと高いハードウェア計算能力が必要になることです。これが、ディープラーニングがようやく注目されるようになった理由の 1 つです。

4. 人工知能の産業応用

現在、人工知能の産業応用は、基本的に画像視覚処理、音声信号処理、自然言語処理、自動処理の4 つのカテゴリに分けられます。画像視覚処理方向には、画像検出、画像認識、画像生成、画像セグメンテーションなどの分野が含まれます。音声信号処理方向には、音声ウェイクアップ、音声コマンド、声紋認識、音声認識、音声合成などの分野が含まれます。自然言語処理方向には、テキスト分類、記事要約、読解、インテリジェント対話、機械翻訳、記事生成などの分野が含まれます。自動化処理方向には、ゲームエンターテイメント、家庭生活、自動運転、ライフサイエンス、産業用マルチデバイスアプリケーション、金融投資などの分野が含まれます。

もちろん、人工知能業界の発展は日々変化しています。人工知能業界についてもっと知りたい場合は、業界の発展に積極的に注目する必要があります。人工知能の発展に注目する時間があまりない場合は、この公式アカウントをフォローしてください。人工知能業界の新しい技術とアプリケーションの開発を長期的に更新します。