人工知能

ウィキペディア

索引トップ用語の索引ランキングカテゴリー

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/06/04 00:57 UTC 版)

ナビゲーションに移動検索に移動

『日本大百科全書(ニッポニカ)』の解説で、情報工学者・通信工学者の佐藤理史は次のように述べている^[1]。

「

誤解を恐れず平易にいいかえるならば、「これまで人間にしかできなかった知的な行為（認識、推論、言語運用、創造など）を、どのような手順（アルゴリズム）とどのようなデータ（事前情報や知識）を準備すれば、それを機械的に実行できるか」を研究する分野である^[1]。

」

概要

人間の知的能力をコンピュータ上で実現する、様々な技術・ソフトウェア・コンピュータシステム^[10]。応用例としては、自然言語処理（機械翻訳・かな漢字変換・構文解析・文章要約等）^[11]^[12]、専門家の推論・判断を模倣するエキスパートシステム、画像データを解析し特定のパターンを検出・抽出する画像認識等がある^[10]。1956年にダートマス会議でジョン・マッカーシーにより命名された。現在では、記号処理を用いた知能の記述を主体とする情報処理や研究でのアプローチという意味あいでも使われている。家庭用電気機械器具の制御システムやゲームソフトの思考ルーチンもこう呼ばれることもある。

プログラミング言語 LISP による「ELIZA」というカウンセラーを模倣したプログラム（人工無脳）がしばしば引き合いに出されるが、計算機に人間の専門家の役割をさせようという「エキスパートシステム」と呼ばれる研究・情報処理システムの実現は、人間が暗黙に持つ常識の記述が問題となり、実用への利用が困難視されている。^[いつ?]人工的な知能の実現へのアプローチとしては、「ファジィ理論」や「ニューラルネットワーク」などのようなアプローチも知られているが、従来の人工知能であるGOFAI (Good Old Fashioned AI) との差は記述の記号的明示性にある。その後「サポートベクターマシン」が注目を集めた。また、自らの経験を元に学習を行う強化学習という手法もある。「この宇宙において、知性とは最も強力な形質である（レイ・カーツワイル）」という言葉通り、知性を機械的に表現し実装するということは極めて重要な作業である。

画像処理におけるディープラーニングの有用性が競技会で世界的に認知された2012年頃から急速に研究が活発となり、第三次人工知能ブームが到来^[13]。2016年から2017年にかけて、ディープラーニングを導入したAIが完全情報ゲームである囲碁などのトップ棋士、さらに不完全情報ゲームであるポーカーの世界トップクラスのプレイヤーも破り^[14]^[15]、麻雀では「Microsoft Suphx (Super Phoenix)」がAIとして初めて十段に到達する^[16]など最先端技術として注目されている^[17]。

理工学的な概要

「計算機科学（コンピュータ科学）」、「情報科学」、「情報工学」、および「ソフトウェア工学」も参照

深層学習を利用するには線形代数学、確率論、統計学といった大学レベル以上の数学や、データ科学（データサイエンス）の知識が必要となる。

脳シミュレーションを行うには神経科学、社会分析には社会学など、応用する分野の知識も必要となる。

さらに実装するにはプログラミングの知識も必要となる。プログラミング言語は、C++のほかPythonが広く使われている。

AIの種類

第2次人工知能ブームでの人工知能は機械学習と呼ばれ、以下のようなものがある。

エキスパートシステム: 推論機能を適用することで結論を得る。エキスパートシステムは大量の既知情報を処理し、それらに基づいた結論を提供することができる。例えば、過去のMicrosoft Officeには、ユーザが文字列を打ち込むとシステムはそこに一定の特徴を認識し、それに沿った提案をするシステムがついていた。
事例ベース推論（CBR）: その事例に類似した過去の事例をベースにし、部分修正を加え試行を行い、その結果とその事例を事例ベースに記憶する。
ベイジアン・ネットワーク: 振る舞いに基づくAI:AIシステムを一から構築していく手法

一方、計算知能（CI）は開発や学習を繰り返すことを基本としている（例えば、パラメータ調整、コネクショニズムのシステム）。学習は経験に基づく手法であり、非記号的AI、美しくないAI^{[注釈 2]}、ソフトコンピューティングと関係している。その手法としては、以下のものがある。

ニューラルネットワーク: パターン認識に特化したアルゴリズムである。コネクショニズムとほぼ同義。
ファジィ制御: 曖昧さを許容するように定義された集合によって、不確かな状況での推論を可能にする手法であり、1990年代以降の制御システムでは広く採用されている。
進化的計算: 生物学からインスパイアされた手法であり、ある問題の最適解を進化や突然変異の概念を適用して求める。この手法は遺伝的アルゴリズムと群知能に分類される。

これらを統合した知的システムを作る試みもなされている。ACT-Rでは、エキスパートの推論ルールを、統計的学習を元にニューラルネットワークや生成規則を通して生成する。

1990年代、日本国内でニューロ・ファジィ家電が流行したが、これら家電は第2次人工知能ブームで研究されたニューラルネットワークやファジィ制御を応用した製品である。

第2次人工知能ブームでは既存製品の微妙な改良に留まり、人々が思い描くような高度な自動化を可能とする製品に繋がらなかったため、人工知能に対する失望が広がっていった。

第3次人工知能ブームでは、ディープラーニングが画像認識、テキスト解析、音声認識など様々な領域で第2次人工知能ブームの人工知能を遥かに上回る精度を出しており、ディープラーニングの研究が盛んに行われている。最近では、DQN、CNN、RNN、GANと様々なディープラーニングの派生がでて各分野で活躍している。特に、GAN（敵対的生成ネットワーク）は、ディープラーニングが認識や予測などの分野で成果をだしていることに加えて、画像の生成技術において大きな進化を見せている。森正弥はこれらの成果を背景に、従来の人工知能の応用分野が広がっており、Creative AIというコンテンツ生成を行っていく応用も始まっていると指摘している^[18]。かつてのニューロ・ファジィ家電と同じように、AI対応と謳う家電製品が多数発売されており、これらにもディープ・ラーニングが応用されている。

脚注

注釈

^ 電子情報通信学会で工学博士の仙石正和が述べた定義では、「工学（Engineering）」とは「数学，自然科学の知識を用いて，健康と安全を守り，文化的，社会的及び環境的な考慮を行い，人類のために（for the benefit of humanity），設計，開発，イノベーションまたは解決を行う活動」だとされている^[9]。
^ 英: scruffy AI
^ 英: artificial intelligence
^ 英: chatterbot
^ 数学における最初の成功した知識ベースプログラム。
^ 新井紀子がリーダー。