人工知能入門
学習の目的
この単元を完了すると、次のことができるようになります。
- 人工知能の基本概念を説明する。
- 人工知能の定義を困難にする課題を特定する。
- 人工知能が実行できるタスクの種別について説明する。
AI を使いこなそう
人工知能 (AI) は多くの作家や SF ファンの長年の夢でした。とはいえ、AI は常に遠い未来に起こるかもしれないことだったため、ほとんどの人は AI についてあまり真剣に考えることはありませんでした。研究者やコンピューター科学者は、その日が来るのを待っていたわけではなく、AI という夢を現実にするために懸命に取り組んできました。実際、ご存じのように私たちはすでに AI の時代に突入しています。
[stability.ai の DreamStudio を使用して AI が生成した画像。1 つ目には「2D ベクトルの楽しいイラストのスタイルで描かれた、タイプライターに向かって座る人物のクローズアップ」というプロンプトが使用されています。2 つ目には「ニューラルネットワークのスケッチが描かれた黒板 (奥) がある大学の教室の一場面。」というプロンプトが使用されています。楽しい 2D ベクトルのイラスト形式で描かれている、コンピューターでタイピングをする大学生 (手前)。]
多くの人々にとって、AI はすでに仕事、学校、個人の生活の一部となっており、AI の機能の進化に伴い、その部分はおそらく拡大していきます。AI について有意義な会話を行うためには、共通の用語と土台となる基本概念の強固な基盤が必要であるということです。現状では、人工知能とは何かを 10 人に尋ねると、それぞれの生活にどう影響するかによって、10 通りの答えが返ってくるでしょう。このバッジでは、AI の現在の機能と活用方法を探ります。
AI の定義の難しさ
AI を定義する最初のステップは、現在の AI の観念が歪められている場合があることを認識することです。世界征服を企む極悪非道な存在として AI を見ている SF 小説や映画で植え付けられた従来のイメージは役に立ちません。
AI に対する見方を複雑にしている要因は SF だけではありません。一般的に、私たち人間は、他のすべての評価基準となるベンチマークとして、自分を高く評価する傾向があります。そのため、人工知能について語るとき、どうしても私たち自身の知能や、知識を学び活用する能力と比較せずにはいられないのです。問題は、知的な存在は人間だけではないということです。カラスからタコに至るまで、動物は複雑な作業を行うために道具や問題解決能力を使用しています。十分な時間があれば、たとえ粘菌であっても迷路を解くことが可能です。
動物界において知能に幅広い領域があることが理解され始めるにつれ、人間自身の知能の優れた多様性も認識されるようになってきました。人前で話すのは非常に得意だが、数学はさっぱりという人や、 あなたが少し不安を感じているといつも察してくれるのに、何かの拍子でサッカーボールにつまずくような人に会ったことがあると思います。重要なのは、人間の知能は多くの特殊な形で表現されるということです。人工知能についても同じように考える必要があります。AI には、特定の種類のタスクを得意とする特定の種類があります。そこで、AI が現在できることを詳しく見ていきながら、人工知能を定義しましょう。
AI 機能の主要な種類
今のところ、すべてを得意とする単一の AI ありません。そのアイデア、つまり一般的な AI と呼ばれるものは、いまだ未来のどこかにある話です。代わりに、長年にわたり、特定のタスクを実行するように設計された、専門的な AI システムを開発してきました。AI が行うタスクの種類は、通常、次のような大まかなカテゴリのいずれかに該当します。
言語処理
2022 年 11 月 30 日、Merriam-Webster の今日の言葉は「quiddity (本質)」でした。この単語を覚えた人は、最も重要なスキルであるコミュニケーションが少し向上したことになります。その同じ日、世界中に ChatGPT という人工知能が紹介され、その独自のコミュニケーションスキルを実証しました。GPT は Generative Pre-trained Transformer (生成型事前学習トランスフォーマー) の略であり、ChatGPT の登場以降、多くの GPT が登場しました。その中にはジャーナリング、コーディング、財務分析といった特定の言語処理に特化したモデルもあります。GPT は、日常言語を解釈して、質問への回答、ストーリーや論文の執筆、情報の要約、複雑な計算の実行など、意味のある行動を実行するように設計されています。これは、業界では自然言語処理 (NLP) と呼ばれています。
NLP は、それぞれの単語がどのように組み合わされて使用されているかを理解することに基づいているため、AI は単語の背後にある意図を抽出することができます。たとえば、あるドキュメントを英語からドイツ語に翻訳したい場合も、 長い科学論文の短い要約が必要な場合も、 AI で行うことができます。
NLP はほぼすべての業種における仕事の進め方を大きく変えつつあります。たとえば、AI エージェントは自然言語を解釈し、推論スキルを備えているため、カスタマーサポートの現場でチャットボットやコパイロットに代わりつつあります。自然言語のプロンプトはコード生成にもよく利用され、企業はソフトウェアやアプリケーション開発にかかる膨大な時間を節約できます。営業担当は NLP を使用して取引先サマリーをリクエストしたり、営業メールを作成したり、顧客向けプレゼンテーションの下書きを作成したりします。
NLP は、単語を受け取って独自の画像や音、もちろん他の単語やコードに変換する AI のサブカテゴリである生成 AI の、最も急速に成長している分野の 1 つです。NLP と生成 AI は非常に革新的なテクノロジーであり、「自然言語処理の基本」と「生成 AI の基本」というバッジ全体をこれらのテーマに割いています。この単元が完了したら参照してください。
数値予測
最近、天気予報を見たことがありますか? 雨か晴れかの予測は、傘を手にするべきかどうかを判断するのに役立ちます。何千年もの間、天気の予測が行われていきましたが、AI モデルはこれまでのどの方法よりも正確に予測することができます。
優れた予測があれば、あらゆる種類の質問に回答することが可能です。この顧客はサブスクリプションを更新する可能性が高いか? 病状が悪化するリスクはあるか? 今晩は電力網の需要が高くなるか? 今シーズンに最も人気が出るスニーカースタイルはどれか?
多くの場合、AI の予測は 0 (起こりそうにない) から 1 (確実に起こる) の間の値で示される形式になります。数値予測ではパーセント値だけでなく、ドルなどあらゆる数値を予測することができます。ビジネスでは、翌四半期の売上を予測したり、最新のサービスである Widget+ の最適な価格設定を把握したりする必要があるかもしれません。また、消費者としては、自分が認識している以上に、おそらくすでにこの種の数値予測に影響を受けています。海外旅行を想像してみてください。航空券、ホテルの部屋、ライドシェア、旅行保険はすべて、完璧な需要と供給のバランスを保つために AI によって価格設定されている可能性があります。
[stability.ai の DreamStudio を使用し、「平面的な 2D の線画スタイルで描かれた、タクシーを運転するフレンドリーなロボットのクローズアップ」というプロンプトで AI が生成した画像。 ]
分類
ホットドッグはサンドイッチでしょうか? この質問は、物事の分類方法に関する親しみやすい哲学的論争であり、数えきれないほどの時間が費やされてきました。ただし、現実の世界でははるかにその重要性は高くなります。この植物は何か? 食べられるのか、有毒なのか? そのメールは本物か、それともフィッシング詐欺なのか? 分類は、多くの場合、何らかの行動を起こすための最初のステップであるため、非常に価値のあるスキルになります。
そのため、コンピューター科学者がデータの分類を得意とする AI の作成に熱心に取り組んできたことは驚くことではありません。植物やフィッシングメールの識別は氷山の一角に過ぎません。金融機関は不正な取引にフラグを立てる必要があります。医療専門家は病気を診断しなければなりません。ソーシャルメディアプラットフォームは有害なコメントを特定する必要があります。こういったことはすべて分類問題の例です。AI は効果的に最初の分類を実行でき、そこから先は専門家が引き継ぐことが可能です。
大抵、AI の分類子は人間と同等か人間よりもうまく仕事をこなすことができます。とはいえ、ほとんどの分類子は、1 つの狭い範囲のタスクにしか向いていません。つまり、フィッシングメールを検知することに優れた AI は、実際の魚の写真を識別することは非常に苦手です。
ロボットナビゲーション
一部の AI は変化する環境のナビゲーションに長けています。つまり、自律 (手放し) 運転においては、実際のナビゲーションも含まれます。AI を搭載した車はすでに、高速道路で車線の中央を維持し、安全な距離を保って追従することが十分に可能になっています。市街地の交通状況、道路のカーブ、トレーラートラックからの突風、そして急停車にも適応できます。
変化する環境条件に適応できる AI は、現実世界であらゆる種類の応用が可能です。たとえば、企業は毎日商品を製造し、顧客に届ける必要があります。これをどれだけ迅速に完了できるかは、材料の入手可能性、製造能力、既存の在庫、輸送コスト、さらにはリアルタイムの交通状況など、多数の市場条件にかかっています。AI は、条件が変化する中でもサプライチェーンを最適化することができます。
また、ロボットも忘れてはいけません。あまり目立たない床掃除ロボットでさえ、階段や椅子を避けることができます。より大きな規模では、多くの組み立てラインにロボットが組み込まれ、徐々に高速化されて効率が向上していきます。このような同型のロボットは、コストのかかる再プログラミングをすることなく、製造方法の変更に対応できます。研究者は、倒壊したビルなどの被災地域を走査可能なレスキューロボットを開発中です。小さな割れ目を通り抜けることができるロボットキャタピラーは、中に閉じ込められた人に救助物資と希望を届けることができます。
AI モデルとニューラルネットワーク
AI モデルとニューラルネットワークを抜きにして、AI を語ることはできません。AI モデルは、例から学習する非常に賢いコンピュータープログラムのようなものです。たとえば、バードウォッチングを趣味にしたとします。実際の鳥や鳥の写真、鳥の鳴き声、鳥の名前、生息地や習性に関する知識が増えるほど、さまざまな鳥をより正確に識別し、どこで見られるかを推測できるようになります。新しい趣味と同じように、AI モデルはパターンを学習し、大量のデータを分析して意思決定や予測を行います。一度訓練されたら、それまでに学習したことに基づいてタスクを実行して、さらに学習を続けていくことができます。
ニューラルネットワークは、AI モデルを訓練するための重要なツールです。ニューラルネットワークは、ノード、レイヤー、加重、バイアス、多数の演算の組み合わせです。このすべてが、人間独自の有機的なニューラルネットワークを模倣しています。それぞれのニューラルネットワークは、特定のタスクのために入念に調整されています。雨を予測するのが得意である場合も、鳥類を分類する場合も、高速道路で車が常に車線の中央を走行するようにする場合もあります。どのようなタスクであれ、ニューラルネットワークは AI をマジックのように思わせることに大きく関わっています。これで、そのトリックがどうなっているかを少し理解できました。
ニューラルネットワークはもともと、機械が人間のように問題を解決可能になることを目的に考案されましたが、ニューラルネットワークによって AI が入力データと出力分類間の複雑な関係を識別できるようになります。つまり、ニューラルネットワークにより、目標を達成しようとする人々にとって重要な変数と値をコンピューターが学習できます。この点は AI テクノロジーに不可欠です。なぜなら、人間のニーズ、たとえば、作業の迅速化、エラーの削減、日常業務の簡素化などを、自然言語のプロンプトに応答するエージェントのようなデータドリブンソリューションに結び付ける基盤になるためです。ニューラルネットワークは、複雑な AI モデルがユーザーの意図を把握できるようにします。たとえば、お客様がやり取りの間に特定のキーワードやフレーズを使用しなくても、パスワードをリセットしようとしていることを認識します。
まとめ
人工知能とは、一般的に人間の直感、推論、推理に関連するスキルをコンピューターが実行する能力です。これらのスキルの多くは、数値予測や言語処理といった広いカテゴリに分類され、ビジネスユースケース、教育的ニーズ、産業用途をサポートする AI を通して私たちの生活に取り入れられつつあります。