人口知能AI

G検定のための学習1日目!人工知能をめぐる歴史と動向

投稿日:

このブログでは「人工知能(AI)」について学習したことをまとめていきますが、そもそも「人工知能(AI)」の定義自体が曖昧なままであることを先に記述しておきます。

人間の知能をコンピューターで再現しようという試みをするにしても、「知能」自体が何なのか?という哲学的な問自体の答えも出ていないからです。

では、人工知能がどのような歴史的経緯によって進化してきたのか振り返るのも大事でしょう。

今回は、「人工知能の歴史と動向」についてまとめていきます。

人工知能には第1次から第3次ブームまである

ロボットに襲われる人間

人工知能は歴史的な動向と共に進化しています。

1950年代後半から1960年代まで続いた第1次ブーム、1980年代の第2次ブーム、そして現在2010年以降の第3次ブームです。

人工知能は、新しい考え方や技術に対と新しい問題点との対立によって進化しています。

それぞれの時代に開発された人工知能はどのようなことが可能になり、どのような問題によって終焉したのか見ていきます。

第1次ブームは推論と探索の時代

第1次ブームは、「探索木」など推論と探索を利用して特定の問題に対して回答が出来るようになりました。

ちなみに「人工知能(Artifical Intelligence)という言葉が生まれたのは、1956年のダートマス会議であり、ジョン・マッカーシーが開催しています。

第一次ブームの問題点は、「トイプロブレム」「モラベックのパラドックス」です。

これらの問題に突き当たったことが第1次ブームの終焉につながりました。

トイプロブレム

トイプロブレム(おもちゃの問題)とは、迷路やパズル、チェス、囲碁などのルールが明確に定義されている問題に回答することはできるものの、現実の複雑な問題を解くことができないことです。

現実の問題は、複雑な要素が絡まっていてルールそのものの定義が難しいです。

ここまで複雑になってしまうと、推論と探索では対応できないのです。

モラベックのパラドックス

第1次ブームに終焉をもたらした問題点として、モラベックのパラドックスが挙げられます。

人工知能は難解なパズルや数式などを解くことはできても、人間の子供が幼少期の成長段階で身につける「認識」や「運動」などを実現することが難しいというパラドックス(逆説)です。

人間は幼少期でも成長段階で非常に高度なことをしているのです。

第2次ブームは知識表現とエキスパートシステムの時代

第2次ブームは知識表現とエキスパートシステムの時代です。

人工知能に専門家の知識を覚えさせることによって、専門分野での人工知能の利用が試されました。

例えば、

知識獲得のボトルネック

専門家の知識を覚えさせるエキスパートシステムの課題として明らかになったのは、以下の知識獲得のボトルネックです。

  1. 専門家から知識をヒアリングするのに時間とコストがかかる
  2. 膨大な量の知識としてのルールがあり、整合性や一貫性を保つのが難しい
  3. 人間の「常識」には膨大な量と知識が必要であり、その定義自体も曖昧

これらの課題を全て乗り越えることで行き詰ったことが、第2次ブームの終焉に至ることになりました。

ちなみに、人間が持っている「常識」の全てをルール化しようとするCyc(サイク)プロジェクトは、30年以上進めているものの、完成には至っていません。

このことは、「現在のバベルの塔」と呼ばれています。

フレーム問題

人間が自然とおこなっていることですが、人間は目の前の問題に関係のある情報だけを選び出して課題解決をしています。

しかし、人工知能にとっては、関係のある情報と関係のない情報を選ぶフレーム付けが非常に難しいのです。

例えば人間は、簡単な算数の問題である四角形の面積を「縦の長さ×横の長さ」で求めます。

しかし、この時に「線分の太さ」を考慮していません。

小学生の簡単な問題でも、人間は疑似的にフレーム問題を解決させているのです。

意識を持たない人工知能はこのフレーム問題を解決するのが難しいのです。

シンボルグラウンディング問題

人工知能は知識表現を文字や記号によって処理することが可能です。

しかし、その文字や記号が意味している対象にグラウンディング(着地)することができません。

例えば、人間であれば「シマウマ」という言葉を聞くと、動物のシマウマを想像することができます。

また逆に動物の「シマウマ」を実際に見て、「シマウマ」という言葉や記号、音に結びつけることが可能です。

しかし、人工知能では、動物のシマウマの写真と言葉や記号を紐付けるのが難しいのです。

このことを「シンボル(記号)グラウンディング(着地・紐づけ)問題」と呼びます。

第3次ブームは機械学習と深層学習の時代

現在の人工知能第3次ブームは、特徴量を自ら習得する深層学習(ディープラーニング)によって画像認識や音声認識が目覚ましく成長したことによって起こりました。

「ディープラーニング(深層学習)」は、特徴量を自動で抽出して最適な回答を出すことができます。

これまでの機械学習のように、特徴量に関しては人間がすべて入力する状態からあるていど自動化が進んでいるのです。

深層学習(ディープラーニング)・特徴表現学習

深層学習(ディープラーニング)は、コンピュータ自身がデータからどんな特徴量を参考に学習したらよいのか抽出できます。

例えば、人間の手で書いた数字が「1」があるとします。

この画像をピクセルに分けて、白と黒の部分の数値化が可能になります。

すると、「1」に近い特徴を持った数値を出すことができて、最終的には「1」である確率を答えられるのです。

本来であれば、中間層(隠れ層)の「重み」を変化させるなどの仕組みもありますが、ここではこの程度の理解にしておきます。

ノーフリーランチ定理

どのような問題に対しても有効なアルゴリズムは存在していません。

特定の問題に対して、その問題や領域に特化している最適なアルゴリズムを作成、選択をする必要があります。

このことを「ノーフリーランチ定理」と呼びます。

つまり、最適なアルゴリズムの作成や選択は、人間に委ねられるのです。

シンギュラリティ―

シンギュラリティ―は、人工知能が人間の能力を超えて、文明を動かしていく分岐点、あるいは時点のことです。

少しでも人工知能が自分よりも優れた人工知能を作成することができるようになれば、さらに優秀な人工知能を作り出します。

その人工知能がさらに自分よりも優れた人工知能を作成するというサイクルをくり返します。

このサイクルによって、人工知能が人間をはるかに超える能力を有するようになるのです。

人工知能(AI)に寄せられた著名人の言葉や行動

UFOに攫われる男の子と女の子

人工知能に対して、著名人はどのような見解を持っているのでしょうか。

実際にシンギュラリティが来て、人間の将来はどうなってしまうのでしょうか。

もちろん、誰にも明日の事を言い当てることはできませんが、科学者や経営者の先見性は無視できません。

レイ・カーツワイル
シンギュラリティ(人工知能が人間を超えて文明の主役に取ってかわる時点)は2045年に到来する。

ヒューゴ・デ・ガリス
シンギュラリティは21世紀の後半に来て、人工知能は人間の知能の1兆の1兆倍(10の24乗)になる。

オレン・エツィオーニ
たとえば、100万年後、特異点を迎える可能性はある。しかし、賢いコンピューターが世界制覇するという終末論的構想は「馬鹿げている」としか言いようがない。

ヴァーナー・ヴィンジ
シンギュラリティを「機械が人間の役に立つふりをしなくなること」と定義

スティーブン・ホーキング
AIの完成は人類の終焉を意味するかもしれない

イーロン・マスク
シンギュラリティの到来に危機感を持ってAI研究組織「OpenAI」を設立

全部読んでいると、やはり人工知能の進化と将来が怖くなってしまいます。

1日目に学習したテキストとテスト結果

ここで一日目におこなった学習とテストの結果を備忘録として記述しておきましょう。

・「徹底攻略 ディープラーニング G検定 ジェネラリスト問題集」
第1章 人工知能をめぐる歴史と動向
10問中4問正解
⇒合格点は7~8割なのでまだまだ勉強が必要

・「ディープラーニング G検定 要点整理テキスト&問題集」
第1章 人工知能(AI)をめぐる歴史と動向
5問中1問正解
⇒話にならない(泣)

コチラのブログはFラン大学出身の低スペック男性がAIについて学び、学習成果を日々記録していきます。

G検定を通して人工知能(AI)を学ぶ!未来の恐怖に立ち向かう

-人口知能AI

Copyright© リカバリーチャンネル , 2021 All Rights Reserved Powered by STINGER.