人工知能は ここ。 過大評価され、理解が不十分で、欠陥がありますが、すでに私たちの生活の中核となっています。
AI は自動運転車の研究を強化し、医療画像から病気の兆候を発見し、Alexa に質問すると答えを見つけ、顔で電話のロックを解除して、Apple の Animoji を使用して iPhone X でアニメーションのうんことして友達と話すことができるようにします. これらは、AI がすでに私たちの生活に影響を与えているほんの数例にすぎず、まだやるべきことがたくさんあります。 しかし心配はいりません。超知能アルゴリズムがすべての仕事を奪ったり、人類を絶滅させようとしているわけではありません。
AI に関する現在のブームは、機械学習と呼ばれる分野でのブレークスルーによって触媒されました。 これには、人間によるプログラミングに頼るのではなく、例に基づいてタスクを実行するようにコンピューターを「トレーニング」することが含まれます。 ディープ ラーニングと呼ばれる手法により、このアプローチはさらに強力になりました。 囲碁の複雑なゲームで 18 の国際タイトルの保持者であるイ セドルに聞いてみてください。 彼は 2016 年に AlphaGo と呼ばれるソフトウェアに夢中になりました。
AI が私たちをより幸せで健康にすることができるという証拠があります。 しかし、注意する理由もあります。 アルゴリズムが人種や性別に関する社会的偏見を拾い上げたり増幅したりする事件は、AI によって強化された未来が自動的により良いものになるわけではないことを示しています。
人工知能の始まり
私たちが知っている人工知能は、休暇のプロジェクトとして始まりました。 ダートマス大学のジョン・マッカーシー教授は、1956 年の夏に、言語を使用するようなことを機械に行わせる方法について数週間熟考するよう少人数のグループに招待したときに、この用語を作り出しました。
彼は、人間レベルの機械への移行にブレークスルーをもたらすことに大きな期待を寄せていました。 「私たちは、大きな進歩を遂げることができると考えています」 彼は共催者と一緒に書いた、「慎重に選択された科学者のグループが夏の間一緒にそれに取り組むならば。」
それらの希望は叶わず、マッカーシーは 後に認めた 彼が過度に楽観的だったこと。 しかし、このワークショップは、インテリジェント マシンを夢見ている研究者が、認められた学問分野へと合体するのを助けました。
初期の研究では、数学と論理のかなり抽象的な問題を解決することに重点が置かれることがよくありました。 しかし、AI がより多くの人間のタスクで有望な結果を示し始めるまで、そう長くはかかりませんでした。 1950 年代後半、Arthur Samuel はチェッカーのプレイを学習するプログラムを作成しました。 1962 年には、このゲームで 1 人がマスターに勝利を収めました。 1967 年、Dendral と呼ばれるプログラムは、化学者が化学サンプルの構成に関する質量分析データを解釈する方法を再現できることを示しました。
AI の分野が発展するにつれて、よりスマートなマシンを作るためのさまざまな戦略も発展しました。 一部の研究者は、人間の知識をコードに抽出したり、言語の理解などの特定のタスクのルールを考え出そうとしたりしました。 人間と動物の知性を理解することの重要性に触発された人もいます。 彼らは、おそらく進化をシミュレートしたり、サンプルデータから学習したりすることによって、時間の経過とともにタスクを改善できるシステムを構築しました。 以前は人しかできなかったタスクをコンピュータが習得したため、この分野は次から次へとマイルストーンを達成しました。
現在の AI ブームのロケット燃料であるディープ ラーニングは、AI の最も古いアイデアの 1 つを復活させたものです。 この手法では、人工ニューラル ネットワークとして知られる脳細胞の働きに大まかに着想を得た、数学の網を介してデータを渡します。 ネットワークがトレーニング データを処理すると、ネットワークの部分間の接続が調整され、将来のデータを解釈する能力が構築されます。
人工ニューラル ネットワークは、ダートマス ワークショップの直後に AI で確立されたアイデアになりました。 たとえば、1958 年の部屋を満たすパーセプトロン マーク 1 は、さまざまな幾何学的形状を区別することを学び、 ニューヨークタイムズ 「読んで賢く成長するように設計されたコンピューターの胚」として。 しかし、マサチューセッツ工科大学 (MIT) のマービン・ミンスキーが共著した影響力のある 1969 年の本が、ニューラル ネットワークはそれほど強力ではない可能性があると示唆した後、ニューラル ネットワークは人気を失いました。
しかし、誰もが懐疑論者に納得したわけではなく、一部の研究者はこの技術を何十年にもわたって存続させました. 2012 年に一連の実験で、膨大な量のデータで強化されたニューラル ネットワークがマシンに新しい知覚力を与える可能性があることが証明されました。 これほど多くのデータを処理することは、従来のコンピューター チップでは困難でしたが、 グラフィックカードは処理能力の爆発を引き起こしました.