人工知能には「4つの段階」がある

スポンサーリンク

こんにちは、Shin(@Speedque01)です。お客様とお話しする際によく話題に上るのが、AIです。

いったいAIとは何なのか、普通のプログラムと何が違うのか。

現在のビジネスにはどのように活かせるのか、そもそも活用できるのか。

そういう議論をしていくときに、ふわふわとした理解では追いつきません。

構造化して理解した上で、具体例とともにディスカッションを進めていく必要があります。

人工知能の入門書として有名な「人工知能は人間を超えるか」を読んだので、ポイントをまとめていきます。

著者の松尾氏は、人工知能を「人工的に作られた人間のような知能」と定義しています。

さらに、世の中に出回っている人工知能は、4つのレベルに分けられると主張されています。

その4つのレベルについて、ひとつずつ見ていきましょう。

レベル1:単純な制御プログラム

レベル1は、マーケティング的に「人工知能」「AI」と名乗っているものであり、ごく単純な制御プログラムを搭載しているだけの家電製品に「人工知能搭載」などとうたっているケースが該当する。

エアコンや掃除機、洗濯機、最近では電動シェーバーに至るまで、世間には「人工知能」を名乗る商品があふれている。

こういった技術は、「制御工学」や「システム工学」という名前ですでに長い歴史のある分野であり、これらを人工知能と称するのは、その分野の研究者や技術にも若干失礼だと思う。本書では、これらをレベル1の人工知能と呼ぶことにしよう。

松尾氏が述べているように、単純な制御動作ができるようにするだけで「人工知能」とするのは若干違和感がありますね。

もしかしたら、デジタルの目覚まし時計も「人工知能搭載型未来時計」といえるかもしれません。

しかし、そんなものはもう数十年前から存在していて、いまさら「人工知能」といってもしらけてしまいます。

レベル1については、「人工知能」とはいわないほうが賢明かもしれないですね。

レベル2:古典的な人工知能

レベル2は、振る舞いのパターンがきわめて多彩なものである。

将棋のプログラムや掃除ロボット、あるいは質問に答える人工知能などが対応する。

いわゆる古典的人工知能であり、入力と出力を関係づける方法が洗練されており、入力と出力の組み合わせの数が極端に多いものである。

その理由は、推論・探索を行っていたり(第2章)、知識ベースを入れていたり(第3章)することによる。古典的なパズルを解くプログラムや診断プログラムはこれに当たる。

レベル2とはいわれていますが、世間の話題をかっさらっているものも少なくないと思っています。

ルンバに代表される掃除ロボットや、碁のAIであるAlphaGoなどは、もしかしたら次のレベル3に分類されてしまうのかもしれませんが、

数年前の家庭用ロボットやゲームを解くためのプログラムはここに分類されるのでしょう。

大変多くのパターンを記憶し、それを瞬時に取り出して問題を解いていく・・・その姿に人は魅了されます。

このレベルであれば、「人口知能」と称してもいいのかもしれません。

レベル3:機械学習を取り入れた人工知能

レベル3は、検索エンジンに内蔵されていたり、ビッグデータをもとに自動的に判断したりするような人工知能である。

推論の仕組みや知識ベースが、データをもとに学習されているもので、典型的には機械学習(第4章)のアルゴリズムが利用される場合が多い。

機械学習というのは、サンプルとなるデータをもとに、ルールや知識を自ら学習するものである。これらの技術は、パターン認識という古くからの研究をベースに1990年代から進展し、2000年代に入り、ビッグデータの時代を迎えてさらに進化している。

最近の人工知能というと、このレベル3のものを指すことが多い。昔はレベル2であったものも、機械学習を取り入れ、レベル3に上がってきているのがいまの状況だ。

現時点で話題に上っている人工知能の多くはここにあたるでしょう。

先述のAlphaGoは、トッププロをもってしても「なぜその打ち手にしたのかわからない」というほど、独創的な指し方をしたようです。(ぼくは囲碁経験がないのでなんともいえないのですが・・・)

囲碁は、打ち手のパターンが天文学的なレベルで存在するため、レベル2のようにパターンを学習させるだけでは人間に勝てません。

パターン学習に加え、自ら学ぶ力を得たAI。それがレベル3の人工知能です。

グーグルやアマゾンのレコメンド機能や、自動翻訳もこれに当たるでしょう。

レベル4:ディープラーニングを取り入れた人工知能

さらにその上のレベル4として、機械学習をする際のデータを表すために使われる変数(特徴量と呼ばれる)自体を学習するものがある。

第五章で紹介するディープラーニングがこれに当たり、本書では「特徴表現学習」と呼ぶ。

序章でも触れたように、米国では、ディープラーニング関連分野の投資合戦・技術開発合戦・人材獲得合戦が熾烈を極めている。いま、最もホットな領域である。

これだけではわからないと思うので、参考になるリンクを下記に貼り付けておきます。

ディープラーニング これだけは知っておきたい3つのこと

ディープラーニングは、自動運転やヘルスケア、インダストリーオートメーション等、さまざまな業界に多大なるインパクトを与えるとされています。

今までの学習方法に比べて、段違いに精度が高くなり、人間とそん色ない、もしくはそれ以上のことを実施できるようになると期待されています。

ディープラーニングについて深入りするにはかなりの時間が必要そうなのですが、どこかで自分でプログラミングを組んで肌で理解してみたいですね。

いろいろなAIを自分で作れるようになったら楽しいだろうなー。

ここの領域に詳しい人は、非常に市場価値が高く、人材獲得競争も激しそうですね。

言葉にまどわされず分類して考えていく

AIは、多くの人がなんとなく使っている言葉の筆頭です。

その定義をしっかりと自分の中にもっておかないと、単なる制御プログラムを「AI」と称するようなものにひっかかってしまうかもしれません。

自分で作れるところまではいかなくていいと思いますが、一般的なカテゴリーや具体例を頭に入れておくことで、より具体的な話ができるようになるでしょう。

全体像を把握するために、「人工知能は人間を超えるか」を一読するのはオススメです。

興味がある方は、ぜひ読んでみてくださいね。

【無料/期間限定特典あり】Shinの公式メールマガジン

【無料/期間限定特典あり】Shinの公式メールマガジン