最近よく耳にするAI(:Artificial Intelligence)、すなわち人工知能ですが、そもそもAI(人工知能)とは何かをきちんと説明できる方は意外と少ないのではないでしょうか。
そもそもAIとは何か、そしてその概念はいつ生まれて今現在に至るまでどのような歴史を歩んできたのかなど、AIに関する基本的な事項をこの記事でお伝えします。
人工知能の定義・概念
一般的に“人工知能”という言葉の定義は、その言葉通り”人間の知能を人工的に再現しようとしたもの”と表現されますが、その意味を一意に定めることはできません。
実際に人工知能の専門家による“人工知能の定義”は一意に定まっておらず、その解釈は様々なものとなっています。
このように、専門家の間でもその定義が分かれていますが、そもそも”AI(人工知能)”という概念や言葉はどこから生まれたものなのでしょうか。
AI(人工知能)という概念の起源は1956年にあります。米国の計算機科学者かつ認知科学者であったJohn McCarthy氏が、1956年に開催されたダートマス議で提出した提案書に記載していたことから始まりました。
以降現在に至るまでAIという概念や言葉が使われていますが、最終的な”人間の知能を再現した機械”はいまだ実現できていません。
では現在のAIはどういった段階にあるのかを次項にて説明します。
AIの種類
AIは一般的に、(1)汎用型人工知能と(2)特化型人工知能という2種類に分けることができます。
汎用型人工知能
人間と同様にしてこれまで蓄積した経験やデータに基づき、様々な状況やタスクにも対応できる汎用性を持ち合わせた人工知能を指します。 現在に至るまで、汎用型人工能は実現できていません。
特化型人工知能
限定された領域や特定のタスクに対してのみ、その機能を発揮することのできる人工知能を指します。画像認識技術や音声認識技術をはじめとする現在ビジネス領域で活用されているAIは全て特化型人工知能にあたります。
強いAI・弱いAI
また、米国の哲学者John Searle氏はAIを⑴強いAIと⑵弱いAIとに分類しました。簡潔に説明すると、強いAIは、意識を持っており自ら思考・理解・判断をすることができるAIを指します。一方で弱いAIは、意識を持っておらず与えられた特定のタスクを遂行するAIを指します。
しばしば混同されがちなのが、『強いAI＝汎用型人工知能 弱いAI＝特化型人工知能』という分類分けです。強いAIか弱いAIかを分類する基準は“意識”である一方、汎用型人工知能か特化型人工知能かを分類する基準は“領域やタスクに依存しない汎用性”です。それぞれ異なる切り口から分類分けがされているので混同しないよう注意することが必要です。
人工知能の歴史
▼第1次AIブーム(1950年代後半～1960年代)：探索・推論の時代
第1次AIブームは、探索と推論と呼ばれた技術を中心に勃興しました。
探索とは、答えを出すまでのプロセスにおいて解法をいくつものパターンに場合分けすることです。推論とは、場合分けされた解法の中でどれを使えば答えに辿り着くかを予想することです。
探索と推論を組み合わせて記号として記述することで、パズルやゲームなどといったルールが決まっている問題を解くことができます。しかしながら複雑な条件が絡まり合っている問題に対しては解くことができなかったため、第一次AIブームは終わりを迎えることとなりました。
▼第２次AIブーム(1980年代)：知識の時代
第2次AIブームは、コンピューターに膨大な量の知識を入れることによって問題を解決させようとしたところから勃興しました。
実際に、膨大な量の知識をAIに入れることによってAIは賢くなりましたが、”知識の意味”までを記述することは難しく、フレーム問題やシンボルグラウンディング問題なども発生し、第2次AIブームは終わりを迎えることとなりました。
*フレーム問題について詳しく知りたい方は、↓の参考記事をご参照ください。
*シンボルグラウンディング問題について詳しく知りたい方は、↓の参考記事をご参照ください。
▼第３次AIブーム(2000年代～)：機械学習・ディープラーニングの時代
第３次AIブームは、機械学習、とりわけディープラーニングという技術が発達したことにより勃興しました。
機械学習では、人間が特徴量を設定することによって予測・分類精度を向上させていました。その中でもとりわけディープラーニングという技術は、学習データから自ら特徴量を抽出し、予測・分類精度を向上させることを可能としました。「コンピューター自らが特徴量を抽出する」ということは、現在に至るまでのAI研究を休息に加速させるものとなりました。
AIを活用した技術
AIを活用した技術にはどういったものがあるのかについて紹介します。
1.画像認識技術
画像認識とは、対象とする画像から特徴を抽出し対象物を認識する技術のことを指します。機械学習、とりわけディープラーニングの発達によって精度が飛躍的に向上した分野であり、ディープラーニングが最初に活用された分野でもあります。
現在、様々な産業分野で活用されており、代表的なものとしては製造業における検品チェックや防犯対策、自動運転技術、さらには文字認識技術(AI-OCR)などが挙げられます。
2.音声認識技術
音声認識技術とは、音声データをテキストデータに変換する技術のことを指します。音声を処理するためには膨大な情報を処理しなければなりませんが、ディープラーニングの発達に伴って精度が向上しました。
身近な生活の中で活用されている代表的な事例はiPhoneに搭載されているSiriをはじめとしてAmazonのAlexa、Googleの音声操作などが挙げられます。
3.自然言語処理(NLP)
自然言語処理とは、人間が記述する文字・文章(自然言語)がどういった意味を持っているのかを認識し処理する技術です。
音声認識技術との掛け合わせなども行われており、活用されている代表的な事例としては、Google翻訳をはじめとした翻訳アプリケーションやAIチャットボットなどが挙げられます。