特化型AI研究
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/02/16 15:02 UTC 版)
詳細は「人工知能」を参照 1990年代から21世紀初頭にかけて、主流のAIは、人工ニューラルネットワークや統計的機械学習などの検証可能な結果と商用アプリケーションを生成できる特定のサブ問題に焦点を当てることで、はるかに大きな商業的成功と学術的尊敬を獲得した。 これらの「応用AI」システムは現在、テクノロジー業界全体で広く使用されており、この分野での研究は、学界と産業界の両方で非常に多額の資金が提供されている。 現在、この分野での開発は新たなトレンドと考えられており、10年以上で成熟段階が見込まれている。 ほとんどの主流のAI研究者は、さまざまなサブ問題を解決するプログラムを組み合わせることで、強力なAIを開発できると考えている。 ハンスモラベックは1988年に書いた： 「人工知能へのこのボトムアップルートは、いつの日か従来のトップダウンルートと半分以上一致し、推論プログラムでは非常に苛立たしいほどとらえどころのない現実世界の能力と常識知識を提供する準備ができていると確信している。完全に 比喩的な黄金のスパイクが2つの努力を統合して推進されると、インテリジェントなマシンが生まれる。」 しかし、この基本的な哲学でさえ論争の種になっていた。 たとえば、プリンストンのStevan Harnadは、1990年のシンボルグラウンディング仮説に関する論文を次のように締めくくっている。 「認知をモデル化するための「トップダウン」（シンボリック）アプローチは、その中間のどこかで「ボトムアップ」（感覚）アプローチに何らかの形で適合するという期待がしばしば表明されている。この論文の根拠となる考慮事項が有効である場合、この期待は 絶望的にモジュール化されており、センスからシンボルへの実行可能なルートは実際には1つだけである。ゼロからなのだ。コンピューターのソフトウェアレベルのような自由に動くシンボリックレベルは、このルートでは決して到達しない（またはその逆）。 そこに到達することは、シンボルを本来の意味から根絶することになるように見えるので、なぜそのようなレベルに到達しようとする必要があるのか（それによって、プログラム可能なコンピューターと機能的に同等になる）。」
※この「特化型AI研究」の解説は、「汎用人工知能」の解説の一部です。
「特化型AI研究」を含む「汎用人工知能」の記事については、「汎用人工知能」の概要を参照ください。
- 特化型AI研究のページへのリンク
