\r\n\r\n
テクノロジーの次の大きな流れは、機械学習です。それともディープラーニング?人工知能かもしれませんね。この3つの違いに悩んでいるのは、あなただけではありません。
多くのテクノロジー企業が、この3つの方法を使い分けて、大きな話題を集め、ベンチャーキャピタルの資金を補填しているのです。同じ傘の下にあるものですが、両者には重要な違いがあります。
人工知能は、しばしば人工知能と呼ばれるように、システムではなく概念である。知性は人間の特徴的な資質と考えられています。従来、機械は知識を得ることはできても、知能や知恵を得ることはできないと考えられていた。コンピュータ科学者のアラン・チューリング(alanturing)は、晩年、機械が考えることができるかどうかを考えることに時間を費やした。
チューリング・テストは、機械が必ずしも知的でなくても、知的な行動をとることができるかどうかを判定するために考案された。これは重要な違いです。なぜなら、私たち自身、思考や知性についてまだ完全に理解していないからです。
私たちは、知能を定義するのではなく、知能的な振る舞いをする機械を作りたいのです。
人工知能は技術そのものではなく、システムを記述するための手段である。これらのシステムは、狭義のAIと広義のAIに分けることができます。ナローAIとは、知能はあるが、特定のタスクに限定されたシステムのことです。一般的なAIは、より身近な大衆文化というタイプです。
このようなシステムは、人間の知能のあらゆる要素を表示することができるだろう。映画「ターミネーター」シリーズのスカイネットや、「2001年宇宙の旅」のハルなどは、AI全般のフィクションの例です。とはいえ、映画がなんと言おうと、すべてのAIシステムが人類を滅ぼすわけではありません。
データが有用であることは、誰もが知っていることです。オフィスへの行き方を知ることも、健康状態を把握することも、データは私たちの意思決定や生活の指針となっています。しかし、毎日大量に発生するため、私たち人間はそれを分析することができません。
だから、重い荷物を運ぶのは機械に任せればいいのです。
Googleの機械学習講座では、機械学習の概要を「データを使って質問に答えること」としています。機械学習を「学習」と「予測」の2つに分けている。認識したい形状を含む画像群があるとする。この画像を機械学習アルゴリズムに与えると、システムは形状の特徴を学習し始める。
新しい画像に出会うと、その形状を学習データの要素と比較し、一致するかどうかを判断する。
あなたが知らないだけで、検索結果のパーソナライズ、Spotifyのプレイリスト、Amazonのおすすめ商品も、機械学習の結果です。
知能についてはまだ完全に解明されていませんが、科学者たちは、脳がニューロンの複雑なネットワークを通じて情報を生成していることを明らかにしています。私たちの脳は、このような電気的なつながりで神経回路を形成しているのです。この経路は、私たちが動き、呼吸し、考えることを可能にするために、体中に情報を伝えています。
しかし、もしこれらの神経回路が互いに独立していたら、私たちの反応速度は非常に遅くなり、思考と思考のつながりを作ることができなくなるかもしれません。システムの成功は、これらすべての経路の関係によって、結果的に同時並行的にデータ処理が行われるかどうかにかかっている。
ディープラーニングは、ニューロン密度の高いネットワークを再現する手法である。複数のデータストリームを同時に処理することで、コンピュータはデータ処理に要する時間を大幅に短縮することができる。この技術をディープラーニングに応用すると、人工ニューラルネットワークが誕生する。
これらのネットワークは、一連のノードで構成されています。データを受け取る入力ノード、結果のデータを出力する出力ノード、そしてその間にある隠れ層のノードが存在します。目標は、入力データを出力ノードが利用できるものに変換することである。これが行われるのが隠れ層です。データがこれらの隠れノードを通過するとき、ニューラルネットワークはロジックを使って、次にどのノードにデータを渡すかを決定する。
機械学習は、私たちが作成する膨大なデータを理解するための強力なツールですが、独立した思考を示すものではありません。アルゴリズムは、プログラマーが設計し、機械学習システムが従うべきルールを設定する。意識するしないに関わらず、開発者のバイアスが影響しているのです。
機械学習における最初の大きな挫折は、2015年にグーグルのエンジニアが、同社の写真認識アルゴリズムが自分と黒人の友人をゴリラとラベル付けしていることに気づいたことだ。Googleは直ちに謝罪し、短期的な修正を実施しました。
しかし、2年後、Wiredは、グーグルの解決策として、学習データからゴリラを完全に排除することを報じた。
一方、ディープラーニングは、一般的な人工知能に近づけるものです。人間の思考を多階層のノードの集まりで再現しようとすることで、深層学習構造は大規模な初期データセットを使って学習する必要がない。提供された情報とシステムのロジックに基づき、意思決定を行うのです。
中立的なネットワークの意思決定が不透明であることは、一見不穏な印象を与えますが、それは人間の知性を再現することに成功していることを意味します。例えば、私たちは自分がどのように考え、決断しているのかさえ、完全に理解することはできません。
最後に、機械学習と人工知能、深層学習と機械学習はそれぞれ用途が異なるため、比較する必要はない。人工知能は、人間の知能を機械に取り込んだ概念であり、機械学習や深層学習は一般的な人工知能を作るための作業であると説明されています。
人工知能の分野が完全に抽象化されているかというと、そうではありません。グーグルはその膨大なデータセットを使って、ほとんどすべてのことにAIを追加しています。gmailは最近スマートリプライに更新され、同社の二重AIはあなたに代わって電話を処理するために全米で展開されています。しかし、AIゲームに参加できるのは彼らだけではありません。
GoogleのオンラインAI実験では、それを自分で試すことができるようになりました。
写真提供:SDecoret/Deposit Photo