DNET_ArtificialIntelligence

人工知能（AI）

• TOP > BI / AI
• 戻る（BI / AI → ビジネス インテリジェンス（BI）、人工知能（AI））
  • 機械学習（machine learning）
  • 深層学習（deep learning）
  • 強化学習（Reinforcement Learning）
  • 生成系AI（Generative AI）

概要

AI：Artificial Intelligence

特徴

• さまざまな発想とアイデアが歓迎されるジャンル

• 出世魚のような学問 - 社会に普及すると（高度化・複雑化すると）名前が変わる

  • 名前がつかないうちは人工知能と呼ばれている（アルゴリズム・モデル）
  • 普及し始めると名前がついて、もう、それは人工知能と見なされない（AI効果）
    • 例：Web検索、音声認識、顔認識、論文検索、自動翻訳、自動運転など
    • そのような単独の主要機能をもったシステムやアプリケーションと見做される
    • 強化学習 → 深層学習 → 深層強化学習 → ゲームの思考ルーチン、AlphaGoみたいな変遷

• 現状の限界

  • 人が持っているような汎用的な能力はまだ持っていない
  • 特定のことしかできないが、特定の事は得意（例えば特定のパターンを見つける等）

定義

人工知能の定義は「知性」や「知能」の解釈が研究者によって異なるため、専門家の間ですら異なる。

学問・技術

• 人や生物からヒントを得てコンピュータの上でモデルを作る学問
• 上記のモデルを活用した、知的な情報処理システムの設計や実現に関する研究分野
• 言語の理解や推論、問題解決などの知的行動を人間に代わってコンピューターに行わせる技術

知能の全体像

1. パターン処理（身体性）
2. 記号の処理（機械学習、深層学習、強化学習）
3. 他者とのインタラクション

モノ、プログラム

• 推論、認識、判断など人間と同じ知的能力を持つ機械
• 周囲の状況（入力）によって行動（出力）を変えるエージェント（プログラム）

レベル

• レベル 1 - シンプルな制御プログラム

  • すべての振る舞いがあらかじめ決められており、その通りに動くだけ

• レベル 2 - 古典的な人工知能

  • 探索・推論、知識データを利用することで、状況に応じて極めて複雑な振る舞いをする

• レベル 3 - 機械学習を取り入れた人工知能

  • 非常に多くのサンプル・データをもとに入力と出力の関係を学習

• レベル 4 - 深層学習を取り入れた人工知能

  • 特徴量と呼ばれる変数を自動的に学習する

弱いAI、強いAI

アメリカの哲学者ジョン・サールが1980年に発表した「Minds, Brains, and Programs (脳、心、プログラム)」という論文の中で提示した区分。

• 弱いAI（AI：特化型人工知能）

  • ある特定の目的（画像認識、音声認識）を遂行する
  • コンピュータは人間の心を持つ必要はなく、有用な道具であればよい
  • エキスパート・システム、サポートベクターマシン、ニューラルネットワーク

• 強いAI（AGI：汎用人工知能）

  • ドラえもんとか、ターミネーターとか
  • 人間が心を持つのと同じ意味で心を持つコンピュータ
  • また、プログラムそれ自身が人間の認知の説明である
  • 全脳アーキテクチャ、全脳エミュレーション

歴史

人工知能の誕生（1943 − 1956）

• 1943 - 「神経活動に内在するアイデアの論理計算」

  • ニューラルネットワークの基礎を築いた論文

• 1946 - 世界初の汎用コンピュータの誕生

  • アメリカのペンシルバニア大学で17,468本の真空管を使った巨大な電算機、エニアック（ENIAC）が開発された

• 1956 - ダートマス会議

  • ジョン・マッカーシー：Artificial Intelligence（人工知能）の命名
  • マービン・ミンスキー
  • アレン・ニューウェルとハーバード・サイモンは、ロジック・セオリストのデモンストレーションを行い、コンピューターを用いて数学の定理を自動的に証明することが実現可能であることを示した
  • 「学習のあらゆる面または知能の他のあらゆる機能は正確に説明できるので、機械でそれをシミュレートすることができる」

第1回AIブーム - 推論・探索の時代（1956 − 1974）

• 記号処理による推論と探索
• 論理回路的ニューロン網
• パーセプトロン

AIの冬第1期（1974 − 1980）

• 学習しない
• パーセプトロンの限られた能力への批判（1969、マービン・ミンスキー）
• 単純な特定の問題（トイ・プロブレム（おもちゃの問題））しか解けない

限界：

• コンピュータの能力不足
• Intractabilityと組合せ爆発
• 常識的知識と推論
• モラベックのパラドックス：高度な推論よりも感覚運動スキルの方が多くの計算資源を要する
• フレーム問題と条件付与問題

第2回AIブーム - 知識の時代（1980 − 1987）

• 知識表現の獲得（エキスパート・システム）
• 日本政府が推進：第5世代コンピュータープロジェクト
• 人工ニューロンによるコネクショニズムと誤差逆伝播法（1986）
• パーセプトロンの限られた能力への批判の反省版（1987）

AIの冬第2期（1987 − 1993）

• コンピュータ（主にエキスパート・システム）に知識を教えるのに限界があった
• コンピュータの能力不足で知識表現の獲得はできなかった（知識の自動的な蓄積と管理）

第3回AIブーム - 機械学習・特徴表現学習の時代（2006 −）

ディープラーニングの時代

• 非線形サポートベクターマシン
• 2011 - IBMのWatson（ワトソン）
• 2015 - DeepMindのAlphaGo
• ビッグデータから知識を獲得する機械学習の実用化と、知識を定義する特徴量をAIが自ら獲得する深層学習の登場
  • 多層ニューラルネットワークによる本格的な深層学習の登場
  • 畳み込み、プーリング、ReLU関数
  • GAN（敵対的生成ネットワーク）
• 高速プロセッサ、ツールの充実

今後の可能性

• 現時点

  • エビデンス・ベースド
  • データ・インフォームド
  • 色々な難しさの解決

• 近未来

  • Society 5.0
  • 社会構造の変化
  • AIデバイド
  • IntelligentからBrainy
  • 人工知能と人間知能の統合
    • 人工知能：機械・深層学習＝経験と訓練
    • 人間知能：知識の系 → 教育 / 学習 → 形式知 / 暗黙知

• 遠い？未来

  • 汎用人工知能
  • Singularity

重要な概念

フレーム問題

• ある状況下で問題を解決しようとする際、関連する事実のみを選び出し利用できず、無関係な事実にも配慮する必要に迫られること
• 現実的には、ある行為が実行された際に、何が変化し何が変化しないかを、コンピュータに記述し切ることができないというのが「フレーム問題」と呼ばれるもの
• アルファ碁などの特化型AIではフレーム問題を回避する方法が実用化されている
• 哲学者のダニエル・デネットは次のような例を用いてこのフレーム問題を説明：ロボットが洞窟からバッテリーを取り出す際、バッテリーの上に爆弾があることに気づかず、爆弾ごと持ち出してしまう

強いAIは実現不可能？

• 人の思考を表面的に模倣するような「弱いAI」は実現可能
• 意識を持ち意味を理解するような「強いAI」は実現不可能（という議論もある）
• 既存のコンピュータでは「強いAI」は実現できないと主張する立場もある
• フレーム問題と同様、人工知能の難問

動向

探索・推論

• 探索木

  • 木構造の走査法：幅優先探索、深さ優先探索
  • 用途：迷路、ハノイの塔、ボード ゲーム

• ロボットの行動計画

  • プランニングと呼ばれる技術（探索木ではないが状態遷移図を用いた探索的な手法）

機械学習系

• 機械学習（machine learning）
• 深層学習（deep learning）
• 強化学習（Reinforcement Learning）
• 生成系AI（Generative AI）

参考

• 人工知能 - Wikipedia
• AIブームの歴史
• フレーム問題とは

---

Tags: 移行, AI, 人工知能, 機械学習, 深層学習