【最新テクノロジー】寒気がするほどわかる人工知能(AI)とは①

AI。これを知らなくてはこれから生きていけない。「AIってつまり何なの?」を今日解決します!知るべきポイントだけをどこよりもわかりやすく、でも深く。歴史と一緒に楽しく解説!

 

AIって?ざっくりと説明

AIの概念

実は、人工知能(AI)には明確な定義がありません。しかし強いて言うならばAIとは、人間の脳をコンピューターで再現しようというものです。完全に脳のようになるまでは時間がまだまだかかりそうですが。

つまり、AIで何ができるかと言われれば、究極的には人間の脳でできるものはすべてできる可能性があります。車の運転や会話、さらには小説を書いたり、絵を描いた研究例もあります。

そして世間で飛び交っているAIという言葉は、いろいろな意味で使われています。

最も広い概念がAI。そしてその中に機械学習ニューラルネットワーク深層学習(ディープラーニング)、強化学習といったものがあります。この5つの単語を理解することが、この記事の目標です!それさえできれば基本的に困ることはなくなるでしょう!

それでは説明していきますが、理解の助けになるので歴史を追いながら学びましょう!一体いつ生まれたのか、気になりませんか?

 

歴史ともに理解しよう!

第一次ブーム「人よりも速い人工知能」

AIという言葉が生まれたのは、1956年に開かれた米ダートマス会議です。こんなに昔からあったんですね。コンピュータが発明され、やがて人間のように考えるコンピュータの可能性について話す中で、Artificial(人工の)Intelligence(知能)=AIという言葉が生まれました。

さらにこの段階で、実用化は何十年も先ですが機械学習のアイデアが生まれます。

人が賢くなるためには、色々な学習が必要ですよね。例えば、道を歩いているとき、きっとあなたのお母さんは「あら、猫ちゃんだわ!」とあなたに言ったはずです。またはテレビで猫をみたとき、図鑑でみたとき。時にはあなたが猫ちゃんといったとき、あれは犬さんよと教えてくれたかもしれません。とにかく何度も「猫と呼ばれるもの」も見るうちに、あなたは新しい猫を見たら、「あ。猫やんけ」とわかるようになります。

これは、あなたが猫の「特徴を学習した」ということです。数学も、解き方(ルール)がわかって、新しい問題が解けるようになります。

コンピュータも同様に、ルールを知って、新しい問題を解けるようになってほしいわけです。このようにコンピュータにルールや特徴を学ばせるもの、それが機械学習です。

機械学習でできること
データを見て特徴ごとに仕分けることができるため、自動的にメールを見て迷惑メールか判断して仕分けてくれたり、ユーザーのインターネットサイトの閲覧履歴と似たような特徴の商品をおすすめしてくれたりします。

そしてこの時期に生まれ、機械学習に後に大きく貢献することになったのが、ニューラルネットワークです。皆さん覚えていますか?中学生で習った、ニューロン。私たちの脳はニューロンというなんかうにゅうにゅしてる300億以上の神経細胞で成り立っていることを。ヒトが何かを考えるとき、脳内ではニューロン上を、電気信号が伝達していきます。ずばりこの仕組みをコンピューター上で真似したのがニューラルネットワークです。こうしてコンピュータがヒトの脳に大きく近づいたわけです。

第二次ブーム「知識だけはある人工知能」

80年代になると、エキスパートシステムが誕生しました。これは専門家の知識をデータとしてコンピュータに与え、その知識をもとに問題を解かせるというものです。無理やりわかりやすくすると、特定分野の知識を詰め込んで、専門家のようなAIを作るシステムのことです。YesかNoで答えられるような問題はデータさえ入れてしまえばすべて判断してくれるようにできます。しかし、人間の知識をデータやルールに落とし込むことは予想以上に難しく、できることに限界があったのでブームは去っていきます。

そして時は2012年、第三次ブーム「データから学習する人工知能」

とうとうこれまでいまいち進歩しなかった機械学習が一気に発展します。

繰り返しますが、例えば、これは猫だと、生まれたばかりの子供に教えるとしたら、まず猫の図鑑を見せます。それから、判断するポイントを教えますね。つまり耳の形、ひげ、しっぽなどに注目して見なさいと。(ちなみにそれを特徴量といいます)コンピュータにも特徴量を教えたうえで学習させなければなりません。そしてそれが表された膨大な画像を学習させる必要があります。これを機械学習といいました。しかしそれには大量のデータがいるうえ、そのデータ(特徴量)は専門家が苦労して用意する必要がありました。

しかしネットの普及でデータの収集がめちゃくちゃ楽に。今でこそものすごい量のデータがSNSやGPSで出まわっていますが、スマホがなかった時代、ましてインターネットが発達していなかった時代は、データを集めるのはすごく大変だったんですね。

そして2012年。人工知能の競技会で、コンピュータの処理速度の発達により可能になったディープラーニングが脚光を浴びます!なんと自分で特徴量を見つけます。大量のデータを処理しまくることで、人間が判断すべきポイントを教えなくても「猫、ってこういうもんか」と画像を見て勝手に覚えます。これによって学習スピードが加速して、AIは一気に進化しました。

最後にもう一つ。

近年、将棋や囲碁が超強いAIが話題になっていますが、あれはえげつないスピードでAIが何万局と対戦を繰り返し実力をつけたものです。これはディープラーニング(日本語で深層学習)に強化学習という手法を組み合わせた「深層強化学習」というものです。

強化学習とは、AIに成果報酬を上げるものです。コンピュータに得点が高くなることを目標にするいう指示だけ与えて、失敗には減点、成功には得点を与えます。すると得点を稼ぐために、最初はランダムに行動するものの、試行錯誤の結果、ルールや必勝法を学習して上達していきます。

 

まとめ

まとめるとこんな感じです

いかがでしたか?目標だった単語は理解できましたか?次の記事では、この技術がどのように仕事に応用されているのかを説明します。

最後に、復習のためにここで扱った用語と、皆さんがよく耳にする単語をのせておきます。これらをすべて理解できれば、ニュースでわからないことはほぼなくなっているでしょう!

次回②はこちら

【最新テクノロジー】寒気がするほどよくわかる「人工知能(AI)」とは②

2017.08.26

AI 用語解説

まずは覚えてほしい基本用語5選

機械学習
AIの一種。コンピュータに大量のデータを分析させ、規則性や特徴を見つけさせる。将棋が強いAIなど、最近有名なものはほとんどが機械学習。 

ニューラルネットワーク
人の脳を真似し、コンピュータ上にニューロンのようなネットワークを作る方法。ネットワークは大別すると「入力層」「中間層」「出力層」の3部構成。データをネットワークに入力すると、入力層~中間層でデータから特徴を抽出し、それを中間層~出力層で組み合わせてさらに複雑な特徴を抽出する。 

エキスパートシステム
ルールベース(下で解説)で働くAI技術。特定分野の専門知識を取り込むことで、その分野の専門家を作る方法。第二次AIブームで盛り上がったが、専門家の知識をルール化するのは難しく、ブームは去っていった。

ディープランニング
機械学習の一種。日本語で深層学習。ニューラルネットワークの中間層を多層構造にすることで、コンピュータが大量のデータから自動的に特徴を抽出できるようにした。従来の機械学習と比べると複雑な学習が可能で、画像や音声認識で高い精度を発揮。GPUという半導体の発明を機に飛躍的に進化。 

強化学習
機械学習方式のひとつ。選択結果によって報酬を与え、AI自身に試行錯誤して学ばせる。機械は最初はランダムに選択するが、報酬を得るために次第に法則性を見出し、記憶していく。

覚えていたら自慢できる用語5選

シンギュラリティ
技術的特異点のこと。AIを含むコンピュータの能力が人類の能力を超え、社会に大きな変化をもたらす時点のこと。有力研究者たちは2045年ごろまでに到達すると予測。「2045年問題」とも呼ばれる。

アルゴリズム

特定の問題や課題を解くための計算手段のこと。これをコンピュータで処理するための手順がプログラムである。計算量が少なく、より効率的に処理できるのが優れたアルゴリズム。 

ルールベース
あらかじめ人間が設定したルールに従って、コンピュータの分類や判断をするAIの手法。大切なのは、人間の知識を「もしAならばBする」といったシンプルなルールに落とし込むこと。

自然言語処理
あらゆる人間の言語をテキストや音声の状態で、人間と同じように処理、理解させること。

ワトソン
IBMが開発した、機械学習を使ったコンピュータシステム。アメリカの有名クイズ番組で人間のチャンピオンに勝利し話題に。自然言語処理が得意で、コールセンターで多数採用されている。

参考文献 

週刊東洋経済7/8号 (2017) 『ビジネスのために使えるAI』週間東洋経済編集部.

二木康晴 (2017) 『いちばんやさしい人工知能ビジネスの教本』インプレス.  

藤木俊明 (2017) 『マンガでわかる人工知能』インプレス.

坂本真樹 (2017) 『坂本真樹先生が教える人工知能がほぼほぼわかる本』オーム社.

どれもとてもわかりやすかったです。皆さんもぜひ。

 

コメントを残す

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください