さまざまな種類の人工知能を理解する

今日私たちが最もよく使用するAIアプリケーションの初期のバージョンは、従来の機械学習モデルに基づいて組み込まれました。これらのモデルは、データサイエンティストによって開発および保守される学習アルゴリズムに依存しています。言い換えれば、従来の機械学習モデルでは、新しい情報を処理し、初期トレーニングの範囲外の新しいタスクを実行するために人間の介入が必要になります。

例えば、Apple社は2011年にSiriをiOSの機能として導入しました。この初期バージョンのSiriは、非常に具体的な一連の発言や要求を理解するようにトレーニングされました。Siriの知識ベースと機能を拡張するには、人間の介入が必要でした。

しかし、2012年に人工ニューラル・ネットワークが画期的に開発されて以来、AIの機能は着実に進化しています。人工ニューラル・ネットワークにより、機械は強化学習を行い、人間の脳が情報を処理する方法をシミュレートできるようになりました。

基本的な機械学習モデルとは異なり、ディープラーニング・モデルを使用すると、AIアプリケーションは人間の知性を必要とする新しいタスクの実行方法、新しい動作の実行方法、人間の介入なしに意思決定を行う方法を学習できます。その結果、ディープラーニングにより、業界全体でタスクの自動化、コンテンツ生成、予知保全などの機能が可能になりました。

ディープラーニングやその他の進歩により、AI分野は絶えず急速に変化し続けています。実現されたAIと理論上のAIに対する私たちの集合的な理解は変化し続けており、AIのカテゴリーとAIの用語はソースごとに異なる（重複する）可能性があります。一方、AIの種類は、AIの能力と機能という2つの包括的なカテゴリーを調べることで大体理解できるでしょう。

1. 特化型AI

特化型AIは、弱いAIとも呼ばれ、現在存在する唯一の種類のAIです。その他の形式のAIはまだ理論上の存在となっています。単一または限定されたタスクを実行するように訓練することができ、多くの場合、人間の頭脳よりもはるかに速く、より優れたパフォーマンスを発揮します。

ただし、定義されたタスク以外では実行できません。代わりに、認知能力の単一のサブセットをターゲットにし、その範囲で進歩します。IBM® Watsonをはじめ、Apple社のSiriやAmazon社のAlexaなどは、特化型AIの例です。OpenAI社のChatGPTでさえ、テキストベースのチャットという単一のタスクに限定されているため、特化型AIの一種と見なされています。

2. 汎用AI

強いAIとしても知られる人工汎用知能（AGI）は、現時点では理論的な概念に過ぎません。AGIは、人間が基礎モデルをトレーニングする必要なく、以前の学習とスキルを使用して異なるコンテキストで新しいタスクを達成できます。この能力により、AGIは人間が実行できるあらゆる知的タスクを学習して実行できるようになります。

3. 人工超知能

人工超知能は一般に人工超知能と呼ばれ、AGIと同様、現時点ではあくまでも理論上のものです。もし実現すれば、人工超知能は思考し、推論し、学習し、判断し、人間を超える認知能力を持つようになるでしょう。

人工超知能を備えたアプリケーションは、人間の感情や経験を理解する段階を超えて、感情を感じ、ニーズを持ち、独自の信念や欲求を持つように進化します。

能力に基づく3種類で紹介した特化型AIには、次の2つのAI機能カテゴリーがあります。

1. リアクティブ・マシンAI

リアクティブ・マシンAIはメモリーを持たないAIシステムで、非常に特殊なタスクを実行するように設計されています。過去の結果や決定を思い出すことができないため、現在利用可能なデータのみを使用して作業します。リアクティブ・マシンAIは統計数学から生まれたもので、膨大な量のデータを分析して、一見するとインテリジェントな出力を生成することができます。

リアクティブ・マシンAIの例

• IBM Deep Blue：IBMのチェス・スーパーコンピューターAIは、盤上の駒を分析し、各動きの起こりうる結果を予測することで、1990年代後半にチェスのグランドマスター、ガルリ・カスパロフ氏に勝利しました。
• Netflix推奨エンジン：Netflixの視聴推奨は、視聴履歴から収集されたデータセットを処理して、顧客に最も楽しめるコンテンツを提供するモデルによって実現されています。

2. メモリー容量制限AI

リアクティブ・マシンAIとは異なり、この種のAIは過去のイベントや結果を思い出したり、特定のオブジェクトや状況を長期にわたって監視したりできます。メモリー容量制限AIは、過去と現在のデータを活用して、望ましい結果を達成するのに最も役立つ可能性のある行動方針を決定できます。

ただし、メモリー容量制限AIは過去のデータを特定の期間使用できますが、そのデータを過去の経験のライブラリーに保持して長期間使用することはできません。時間の経過とともにより多くのデータでトレーニングされるにつれて、メモリー容量制限AIのパフォーマンスが向上します。

メモリー容量制限AIの例

• 生成AI：ChatGPT、Bard、DeepAIなどの生成AIツールは、メモリー容量制限AI機能を利用して、生成するコンテンツ内の次の単語、フレーズ、または視覚要素を予測します。
• バーチャル・アシスタントとチャットボット：Siri、Alexa、Google Assistant、Cortana、IBM Watson Assistantは、自然言語処理（NLP）とメモリー容量制限AIを組み合わせて、質問やリクエストを理解し、適切なアクションを実行して応答を作成します。
• 自動運転車：自動運転車は、メモリー容量制限AIを使用して周囲の世界をリアルタイムで理解し、速度、ブレーキ、方向転換のタイミングなどについて情報に基づいた判断を下します。

3. AIにおける自発的心の理論

AIにおける自発的心の理論は、汎用AIの下位に位置するAIの機能クラスです。現時点では実現されていないAIですが、自発的心の理論機能を備えたAIは他の存在の思考や感情を理解するでしょう。この理解は、AIが周囲の人々とどのように対話するかに影響を与える可能性があります。理論的には、これによりAIは人間のような関係をシミュレートできるようになります。

AIにおける自発的心の理論は人間の動機や推論を推測できるため、個人の固有の感情的ニーズや意図に基づいて、個人とのやりとりをパーソナライズします。AIにおける自発的心の理論dえは、今日の生成AIツールでは不可能な、芸術作品やエッセイを理解して文脈化することもできるようになるでしょう。

感情認識AIは現在開発中のAIにおける自発的心の理論です。AI研究者は、音声や画像、その他の種類のデータを分析して、感情レベルで人間を認識、シミュレーション、監視し、適切に反応する能力がAIに備わることを期待しています。現時点では、感情認識AIは人間の感情を理解し、それに応答することはできません。

4. 自己認識AI

自己認識AIは、人工超知能を備えたアプリケーション向けのAIの機能クラスです。AIにおける自発的心の理論と同様に、自己認識AIは厳密には、現時点ではまだ理論的なものです。もし実現されれば、人間の感情や思考だけでなく、自身の内部状態や特性を理解する能力も得られるようになるでしょう。また、独自の感情、ニーズ、信念も持つことになります。

感情認識AIは現在開発中のAIにおける自発的心の理論です。研究者は、音声や画像、その他の種類のデータを分析して、感情レベルで人間を認識、シミュレーション、監視し、適切に反応する能力がAIに備わることを期待しています。現時点では、感情認識AIは人間の感情を理解し、それに応答することはできません。

コンピューター・ビジョン

コンピューター・ビジョンを備えた特化型AIアプリケーションは、視覚世界を解釈および分析するようにトレーニングできます。これにより、インテリジェントなマシンが画像や動画内のオブジェクトを識別して分類できるようになるでしょう。

コンピューター・ビジョンのアプリケーションには次のものがあります。

• 画像認識と分類
• オブジェクト検出
• オブジェクト追跡
• 顔認識
• コンテンツベースの画像検索

コンピューター・ビジョンは、AIマシンが周囲の物理世界と対話したり移動したりするユースケースに極めて重要です。例としては、自動運転車や倉庫やその他の環境を移動する機械などが挙げられます。

ロボティクス

産業現場のロボットは、特化型AIを使用して、材料の取り扱い、組み立て、品質検査などの日常的な反復作業を実行できます。医療分野では、特化型AIを搭載したロボットがバイタルサインのモニタリングや手術中の潜在的な問題の検出により、外科医を支援できます。

農業機械は、剪定、移動、間引き、種まき、散布を自律的に行うことができます。iRobot Roombaのようなスマート・ホーム・デバイスは、コンピューター・ビジョンを使用して家の内部を移動し、メモリーに保存されているデータを使用して進捗状況を把握できます。

エキスパート・システム

特化型AI機能を搭載したエキスパート・システムは、コーパスでトレーニングして人間の意思決定プロセスをエミュレートし、専門知識を適用して複雑な問題を解決できます。これらのシステムは、膨大な量のデータを評価して傾向やパターンを明らかにし、意思決定を行うことができます。また、企業が将来の事象を予測し、過去の事象が発生した理由を理解するのにも役立ちます。

IBMは当初からAIの先駆者で、この分野に次々と画期的な成果をもたらしてきました。IBMは最近、AI製品のIBM watsonxポートフォリオの大幅なアップグレードをリリースしました。IBM watsonx.aiは、基盤モデルを活用した新しい生成AI機能と従来の機械学習を、AIのライフサイクル全体にわたって強力なスタジオに統合します。watsonx.aiを使用すると、データサイエンティストは、単一の共同スタジオ環境で機械学習モデルを構築、トレーニング、デプロイできます。