人工知能(AI)

menu icon

人工知能(AI)

ビジネスへの導入が進む人工知能

人工知能とは

人工知能(AI)とは、 一般的には、「人間が実現するさまざまな知覚や知性を模倣して人工的に再現する」コンピューターや機械の機能を指します。ただし、AIは単一のテクノロジーではありませんし、AIの定義は人によって異なります。その対象には、例や経験から学習する能力、対象を認識する能力、言語を理解して応答する能力、意思決定を行う能力、問題を解決する能力などがあります。この模倣機能とその他の機能を組み合わせて、ホテルの宿泊客にあいさつをする、自動車を運転するなどの、人間が行うであろう振る舞いを実行します。

数十年間、SF小説に登場するに過ぎなかったAIは、今日では私たちの日常生活の一部になっています。 AI開発の急増は、突然に大量のデータを利用できるようになったこと、またこれに伴い、このデータを人間よりも速く、より正確に処理できるコンピューター・システムが開発されて幅広く利用できるようになったことにより可能となりました。 AIは、人間が入力し始めた言葉を完成させ、問いかけると運転の方向を指示し、床を掃除します。また、次に何を買うべきか、テレビで何を見るべきかを提案します。 また、医療画像分析などのアプリケーションが推進されるため、熟練した専門家は、重要な作業をより迅速に行い、より良い結果を出せるようなります。

人工知能が今日のように一般的になるに従い、AIとAIの用語を理解するのが困難なことがあります。多くの用語が混同して使用されるためです。しかも、実際に同義であり言い換えが可能な場合もあれば、そうでない場合もあります。 人工知能と機械学習の違いは何でしょうか? 機械学習とディープラーニングの違い、 音声認識と自然言語処理の違い、 弱いAIと強いAIの違いは何でしょうか? この記事では、ここに挙げた用語や関連用語を分類して、AIの仕組みを理解できるように説明します。

人工知能、機械学習、ディープ・ラーニング

ここでは、人工知能(AI)、機械学習、ディープ・ラーニングの関係を理解するための最も簡単な方法を説明します。

  • 人工知能を、人間の知性に似せてあらゆる事柄を遠隔で示すコンピューター・テクノロジーの全世界と考えます。 AIシステムには、あらゆるものを組み込むことができます。対象は、複雑なルールやif/thenロジックに基づいて意思決定を行う問題解決アプリケーションであるエキスパート・システムから、人間の知性、自由意志、感情を成長させるコンピューター(ピクサー映画のキャラクター、ウォーリーのようなもの)にまで及びます。  
  • 機械学習は、単独で学習するAIアプリケーションのサブセットです。 より多くのデータを取り込むに従い、アプリケーション自体で再プログラムして精度を高めながら、設計された目的である特定のタスクを実行します。 
  • ディープ・ラーニングは、自己教育する機械学習アプリケーションのサブセットであり、人間の介入なしで、精度を高めながら特定のタスクを実行します。
人工知能、機械学習、ディープ・ラーニングの関係のダイアグラム

機械学習とディープ・ラーニングを詳しく見ていき、両者の違いを説明します。

機械学習

機械学習アプリケーション(機械学習モデルとも呼ばれる)は、ニューラル・ネットワークという、人間の脳の知覚と思考過程を模倣しようとするアルゴリズム計算のネットワークに基づいています。 最も基本的なニューラル・ネットワークは、以下のもので構成されています。

  • 入力レベル。データがネットワークに入る場所です。
  • 少なくとも1つの非表示レベル。機械 学習アルゴリズムが入力を処理し、重み付け、バイアス、しきい値を入力に適用する場所です。
  • 出力層。さまざまな結論(ネットワークにはさまざまなレベルの信頼性があります)が出る場所です。
基本的なニューラル・ネットワークのダイアグラム

ディープ・ラーニング・モデルではない機械学習モデルは、非表示レベルが1つしかない人工ニューラル・ネットワークを基にしています。 これらのモデルは、入力されたラベル付きデータです。これは、モデルがデータを識別して理解できるような方法でその機能を識別するタグを付けて強化されたデータです。 これらは、モデル内のアルゴリズムの定期的な調整など、教師あり学習(人間の監督を必要とする学習)に対応しています。

ディープ・ラーニング

ディープ・ラーニング・モデルは、ディープ・ニューラル・ネットワークに基づきます。これは複数の非表示層を持つニューラル・ネットワークであり、各層が前の層の結論をさらに改良します。 非表示層を経由する出力層への計算の移動を順方向伝搬と呼びます。 誤差逆伝搬と呼ばれるもう1つのプロセスは、計算のエラーを識別し、それらに重みを割り当て、前の層にプッシュして戻し、モデルを改良またはトレーニングします。

ディープ・ニューラル・ネットワークのダイアグラム

ラベル付きデータで機能するディープ・ラーニング・モデルもありますが、多くのモデルでは、ラベルなしの多数のデータで機能します。 ディープ・ラーニング・モデルでは、教師なし学習も可能です。人間による最低限必要な監視で、データの特徴やパターンを検出します。

ディープ・ラーニングと他の機械学習との違いは、簡単に説明すると、Apple社のSiriやAmazon社のAlexa(トレーニングなしで音声コマンドを認識)と10年前の音声文字変換アプリケーションとの違いです。このアプリケーションでは、ユーザーが、使用前にシステムに対して多数の言葉を話してプログラムを「トレーニング」する(さらにデータにラベル付けする)必要がありました。 しかし、ディープ・ラーニング・モデルは、人間よりも高速かつ正確に日常的な対象物を識別できる画像認識システムなどの、はるかに高度なアプリケーションを強化します。

これらのテクノロジー間の微妙な違いを詳しく知るには、「AI vs. Machine Learning vs. Deep Learning vs. Neural Networks: What’s the Difference?」をご覧ください。

人工知能の種類—弱いAIと強いAI

弱いAI(特化型AIや特化型人工知能(ANI)とも呼ばれる)は、トレーニングされて、特定の作業を行うことに重点を置いたAIです。 弱いAIは、今日私たちを取り巻くほとんどのAIの原動力です。弱さとは程遠いため、「狭い」という表現がこのAIを的確に表しています。これは、Apple社のSiriやAmazon社のAlexa、クイズ番組Jeopardyで人間の対戦者を圧倒するIBM Watsonコンピューター、自動運転車といった、優れたアプリケーションの存在を可能にします。

強いAI(汎用人工知能(AGI)とも呼ばれる)は、人間の脳の自律性をより完全に複製するAIです。多岐に渡る問題を解決し、人間の介入なしに解決したい問題を選択することさえできます。 強いAIはまだ完全に理論上のものであり、現在、実用的な例はありません。 しかしそれはAI研究者が超人工知能(ASI)を(用心して)研究していないということではありません。超人工知能とは、人間の知性や能力よりも優れた人工知能です。 ASIの例としては、映画「2001年宇宙の旅」に登場する超人的(最終的には悪者でしたが)コンピューター・アシスタントのHALがあります。

人工知能アプリケーション

前述のように人工知能は現在どこにでもありますが、その中には、意外にも前から長く存在しているものもあります。 ここでは最も一般的な例をいくつか挙げます。

  • 音声認識:Speech to Text(STT)とも呼ばれる音声認識は、話し言葉を認識し、デジタル化されたテキストに変換するAIテクノロジーです。 音声認識の機能により、コンピューターのディクテーション・ソフトウェア、テレビの音声リモコン、音声対応テキスト・メッセージングとGPS、音声駆動型の留守番電話メニューは動作します。
  • 自然言語処理(NLP):NLPにより、ソフトウェア・アプリケーション、コンピューター、マシンは、人間が書くテキストを理解、解釈、生成できるようになります。 NLPは、デジタル・アシスタント(前述のSiriやAlexaなど) 、チャットボット、その他のテキスト・ベースのバーチャル・アシスタンスなどの背後にあるAIです。 センチメント分析を使用して、言語のムード、態度、その他の主観的な性質を検出するNLPもあります。
  • イメージ認識(コンピューター・ビジョンマシン・ビジョン):物、人、書き込み、静止画や動画内のアクションを識別して分類できるAIテクノロジーです。 通常はディープ・ニューラル・ネットワークによって駆動される画像認識は、指紋認証システム、モバイル・チェック・デポジット・アプリ、ビデオ画像分析、医療画像分析、自動運転車などに使用されます。
  • リアルタイム推奨: 小売業とエンターテインメントのWebサイトでは、ニューラル・ネットワークを使用して、顧客の興味を引く可能性のある追加購入やメディアを推奨します。推奨は、顧客の過去の行動、他の顧客の過去の行動、時間と天候などの無数の要因に基づいて行われます。 調査によると、オンライン推奨により、売上が5%から30%増加する可能性があります。
  • ウイルスとスパムの防止:ウイルスとスパムの検出ソフトウェアは、かつてはルール・ベースのエキスパート・システムによって起動されていました。今日、このソフトウェアでは、サイバー犯罪者の思い付きと同じ速さで新型のウイルスやスパムの検出を学習できるディープ・ニューラル・ネットワークが採用されています。
  • 自動株式取引:株式ポートフォリオを最適化するために設計された、AI主導型の高頻度取引プラットフォームは、人間の介入なしに、1日に数千件または数百万件の取引を行います。
  • ライド・シェア・サービス:Uber、Lyftなどのライド・シェア・サービスは、人工知能を利用して乗客と運転者をマッチングして、待機時間や迂回を最小限に抑え、信頼性のあるETA(到着予想時刻)を提供します。さらに、輸送量が高い期間中の割増料金設定の必要性をなくします。
  • 家庭用ロボット:iRobotの掃除機Roombaは、人工知能を使って部屋の大きさを判断し、障害物を特定して回避し、床を掃除するための最も効率的なルートを学習します。 類似の技術は、芝刈りロボットとプール・クリーナーに利用されています。
  • オートパイロット・テクノロジー: 何十年もの間、このテクノロジーで商用機と軍用機は飛行しています。 今日では、オートパイロットはセンサー、GPS技術、画像認識、衝突回避技術、ロボット工学、自然言語処理などを組み合わせて使用し、飛行機を空で安全に飛行させ、必要に応じてパイロットに最新情報を伝えます。 人にもよりますが、今日の商用機パイロットが手動で飛行機を操縦するのは、わずか3分半にすぎません。

人工知能の歴史 重要な日付と名前

「考えるマシン」という考えは、古代ギリシャにまで遡ります。 しかし、電子計算機(この記事で述べられているトピックに関連して)の登場以来、人工知能の進化での重要な出来事や節目には以下のものがあります。

  • 1950年:Alan Turing氏は、Computing Machinery and Intelligenceを出版しました。Turing氏は第二次世界大戦中にナチスの暗号エニグマ・コードを解読したことで有名ですが、この論文で「機械は思考できるのか」という疑問に答えようとし、チューリング・テスト (IBM外部のリンク)を紹介しました。これは、コンピューターが人間と同じ知性(または同等の知性による結果)を示すことができるかどうかを判別するためのものです。 チューリング・テストの価値はこれまでずっと議論されてきました。
  • 1956年:John McCarthy氏は、カナダのダートマス大学で開催された初のAI会議で「人工知能」という言葉を創り出しました(McCarthy氏は続けて、LISP言語を発明することになります)。 その年のうちに、Allen Newell氏、J.C.Shaw氏、Herbert Simon氏が、史上初の動くAIソフトウェア・プログラムであるLogic Theoristを開発しました。
  • 1967年:Frank Rosenblatt氏は、Mark 1 Perceptronを構築しました。トライアル・アンド・エラーから「学習する」ニューラル・ネットワークを基礎とする最初のコンピューターです。 ちょうど1年後、Marvin Minsky氏とSeymour Papert氏は「パーセプトロン」というタイトルの本を出版しました。この本はニューラル・ネットワークに関する歴史的作品となり、また少なくともしばらくの間、将来のニューラル・ネットワーク研究プロジェクトに対する論拠にもなりました。
  • 1980年代:誤差逆伝播法(ネットワークをトレーニングするためのアルゴリズム)を特徴とするニューラル・ネットワークは、AIアプリケーションで広く使用されるようになりました。
  • 1997年:IBMのDeep Blueは、チェスの試合で、チェスの世界チャンピオンであるGarry Kasparov氏に勝利しました(後日に再度対戦しました)。
  • 2011年:IBM Watsonがクイズ番組Jeopardy!でチャンピオンのKen Jennings氏とBrad Rutter氏に勝利しました。
  • 2015年:Baidu社のMinwaスーパーコンピューターは、畳み込みニューラル・ネットワークと呼ばれる特殊な種類のディープ・ニューラル・ネットワークを使用して、平均的な人間よりも高い精度で画像を識別して分類しました。
  • 2016年:ディープ・ニューラル・ネットワークを搭載したDeepMind社のAlphaGoプログラムは、世界チャンピオンの囲碁プレイヤーであるLee Sodol氏に5番勝負で勝利しました。 ゲームが進むにつれて膨大な数の手がある(わずか4手後に14.5兆を超える)ことを考えれば、この勝利には大きな意義があります。 その後、Google社はDeepMind社を4億ドルで買収しました。

人工知能とIBM Cloud

IBMは、エンタープライズ向けの先進のAI主導型テクノロジーをリードしてきました。また、複数の業界向けの機械学習システムの未来を切り開いてきました。 数十年にわたるAI研究、あらゆる規模の企業との連携による長年の経験、3万件以上のIBM Watsonエンゲージメントからの学習に基づいて、IBMは人工知能の導入を成功させるための「AIのはしご(AI Ladder)」を開発しました。

  • 収集: データ収集とデータ利用の簡素化。
  • 分析:拡張性が高く信頼性のあるAI主導型システムの構築。
  • 統合:ビジネス・フレームワーク全体にわたるシステムの統合と最適化。
  • モダナイズ:クラウドへのAIアプリケーションとシステムの提供。

IBM Watsonは、ビジネス・システムとワークフローの変換に必要なAIツールを企業に提供し、同時に自動化と効率を大幅に向上させます。 AIへのジャーニーでのIBMによる支援について詳しくは、マネージド・サービスとソリューションのIBMポートフォリオをご覧ください。

IBMidを登録してIBM Cloudアカウントを作成できます。