AI とは
人工知能 (AI) は、人間のような問題解決能力を備えたテクノロジーです。駆動中の AI は人間の知性をシミュレートしているように見えます。画像を認識したり、詩を書いたり、データに基づいた予測を行ったりすることができます。
現代の組織は、スマートセンサー、人間が作成したコンテンツ、モニタリングツール、システムログなど、さまざまなソースから大量のデータを収集しています。人工知能技術はデータを分析し、それを使用して事業運営を効果的に支援します。例えば、AI テクノロジーは、カスタマーサポートでの人間の会話に応答したり、マーケティング用のオリジナルの画像やテキストを作成したり、分析のためのスマートな提案を行ったりすることができます。
結局のところ、人工知能とは、カスタマイズされたユーザーインタラクションや複雑な問題解決のためのソフトウェアをよりスマートにすることです。
AI テクノロジーにはどのような種類がありますか?
AI アプリケーションとテクノロジーは、ここ数年で飛躍的に増加しています。お客様がこれまでに目にした可能性があるいくつかの一般的な AI テクノロジーの例を以下に示します。
AI の歴史
1950 年の論文「Computing Machinery and Intelligence」の中で、Alan Turing 氏は機械が考えることができるかどうかを考察しました。この論文では、チューリングが最初に「人工知能」という用語を作り出し、それを理論的および哲学的概念として提示しました。 しかし、今日私たちが認識しているように、AI は多くの科学者とエンジニアが数十年にわたってともに取り組んできた成果です。
1940 年～1980 年
1943 年、Warren McCulloch 氏と Walter Pitts 氏は人工ニューロンのモデルを提案し、AI におけるコアテクノロジーであるニューラルネットワークの基礎を築きました。
その直後の 1950 年、Alan Turing 氏が『Computing Machinery and Intelligence』を出版し、マシンインテリジェンスを評価するための Turing テストの概念を世に広めました。
これは、大学院生の Marvin Minsky 氏と Dean Edmonds 氏が SNARC として知られる最初のニューラルネットマシンを構築し、Frank Rosenblatt 氏がニューラルネットワークの最も初期のモデルの 1 つである Perceptron を開発し、Joseph Weizenbaum 氏が 1951 年から 1969 年の間にロジェリアンの心理療法士をシミュレートした最初のチャットボットの 1 つである ELIZA を作成することにつながりました。
1969 年から 1979 年にかけて、Marvin Minsky 氏は、ニューラルネットワークの限界を実証しました。その結果、ニューラルネットワークの研究は一時的に衰退しました。最初の「AI の冬」は、資金の削減と、ハードウェアおよびコンピューティングの限界を理由として発生しました。
1980 年～ 2006 年
1980 年代には、主に翻訳と文字起こしにおける AI 研究への関心が再び高まり、政府からの資金援助を呼び込みました。この間、MYCIN のようなエキスパートシステムは、医学などの特定の領域における人間の意思決定プロセスをシミュレートすることで人気を博しました。1980 年代にニューラルネットワークが復活したことで、David Rumelhart 氏と John Hopfield 氏は深層学習技術に関する論文を発表し、コンピュータが経験から学ぶことができることを示しました。
1987 年から 1997 年にかけて、その他の社会経済的要因とドットコムブームにより、AI に第 2 の冬の時代が訪れました。チームがさまざまなユースケースにわたってドメイン固有の問題を解決するようになり、AI 研究はより細分化されました。
1997 年から 2006 年頃にかけて、IBM の Deep Blue チェスソフトウェアがチェスの世界チャンピオンである Garry Kasparov 氏を破るなど、AI の分野で大きな成果が見られました。これに加えて、Judea Pearl 氏は AI 研究における確率論と決定理論を扱った本を出版し、Geoffrey Hinton 氏らは深層学習を普及させ、ニューラルネットワークの復活につながりました。しかし、商業的利益は依然として限られていました。
2007 年～現在
2007 年から 2018 年にかけて、クラウドコンピューティングの進歩により、コンピューティング能力と AI インフラストラクチャがより利用しやすくなりました。このことは、機械学習の採用、イノベーション、進歩の拡大につながりました。進歩としては、Alex Krizhevsky 氏、Ilya Sutskever 氏、Geoffrey Hinton 氏が開発した AlexNet と呼ばれる畳み込みニューラルネットワーク (CNN) アーキテクチャが ImageNet コンペティションで優勝し、画像認識における深層学習の力を示したことなどがあります。また、Google の AlphaZero は、人間のデータなしで Self-play に依拠して、チェス、将棋、囲碁をマスターしました。
2022 年、人工知能 (AI) と自然言語処理 (NLP) を使用して、OpenAI の ChatGPT のように人間のような会話をし、タスクを完了するチャットボットは、その会話能力で広く知られるようになり、AI への関心があらためて高まり、開発が促進されました。
未来の AI
現在の人工知能技術はすべて、あらかじめ決められたパラメーターのセット内で機能します。たとえば、画像認識と生成のトレーニングを受けた AI モデルでは、Web サイトを構築できません。
AGI は、人間のような知能と自己学習能力を備えたソフトウェアを作成しようとする理論的 AI 研究分野です。目的は、トレーニングや開発が行われているとは限らないタスクをソフトウェアで実行することです。
AGI は、自律的な自己制御、合理的な自己理解、新しいスキルを習得する能力を備えた AI システムを開発するための理論的追求です。作成時には教えられていなかった設定や状況における複雑な問題を解決できます。人間の能力を備えた AGI は、依然として理論的な概念であり、研究目標でもあります。これは AI の未来の可能性の 1 つです。
