AI研究所 - AI(人工知能)に脅かされないために、AI(人工知能)を作る側の人間になる -

HOME  >  [5分で分かる] AI(人工知能)とは? AIの作り方と機械学習(ディープラーニング)

公開日:2017.03.03 [最終更新日]2017.10.23

[5分で分かる] AI(人工知能)とは? AIの作り方と機械学習(ディープラーニング)

カテゴリー: AI(人工知能)の作り方

こんにちは。
AI研究所の見習い研究員マサミです。

突然ですが、皆さん人工知能と聞いて何を想像しますか?

昔はSFフィクションだと言われていた人工知能。
現代社会ではフィクションが現実のものとなり、私たちの生活にもその存在感をすこしずつですが示すようになってきました。

そもそも人工知能とはいったい何なのでしょうか?

一般的には、「人工的にコンピュータ上などで人間と同様の知能を実現したもの」を人工知能とよんでいます。
それは、人間の知的作業を模倣するソフトウェアまたはシステムと言えます。

具体的には、人間が使用する言語を理解し、論理的な推論を行い、経験などから学習するコンピュータプログラムを指します。

01

人工知能はすでに様々なところで活用されています。
多言語を自動翻訳する翻訳システムや画像を理解する画像判別システム、将棋や囲碁の対戦システムなどが有名です。


人工知能にも様々なレベルがある?

さきほど人工知能の定義を述べましたが、人工知能は無限の進化の可能性をもつことから厳密な定義はまだ決まっていないといったほうが正しいかもしれません。
実際に人工知能を研究している研究機関によって、解釈や定義の大きな違いがあり、いまだに決着していません。

例えば、温度の変化に応じて機能するエアコンや冷蔵庫など、人間が設定したパターンやルールに基づく制御プログラムで動作するものを人工知能と呼んだり、そのパターンやルールさえも自ら学んで知識データとして積み重ねていくものを人工知能と呼ぶ場合があります。

111111

そもそも人工知能の歴史は古く、初めて「人工知能(Artificial Intelligence)」という言葉が使われたのは1956年です。
そしてその当時開発された人工知能「ELIZA」は数十行のプログラムコードで書かれたもので、ユーザーが打ったコメントからあらかじめ登録されているキーワードを探し出して動作するといものでした。

つまり、人工知能という概念が生まれた当初作られていた人工知能は、パターンやルールに基づく制御プログラムで動作するものでしたが、現在では技術が発展し、パターンやルールを機械に学習させることで人工知能を作るようになってきました。

こういった歴史的な背景が要因となり、人工知能の定義が曖昧になってきていますが、現在ではパターンやルールを自ら学ぶ「機械学習」をしてつくられたものを人工知能と呼ぶことが多いようです。


フレーム問題

1969年までには数々の成果を大きな問題なく成功していた人工知能の研究ですが、1969年には大きな問題が発覚しました。
それは、人工知能には現実で起こる問題全てには対処できないという「フレーム問題」です。

フレーム問題は未だに本質的な解決されておらず、人工知能における重要な難問の一つです。
有限の情報処理能力しかないロボットには、現実に起こりうる問題全てに対処することができないことを示すものです。
車を運転している時に飛行機の運航状況なんて人は普通気にしませんが、機械には条件を与えてあげないとすべての事象を考えてしまってフリーズしてしまいます。

1111

人が、どのようにフレーム問題を解決しているかはまだ解明されていませんが、人工知能の世界では、あらかじめ人工知能が扱う状況を限定することで、フレーム問題を回避しています。

機械がフレームを自ら判断できるようになったら、人工知能の開発がもっと加速するかもしれません。


機械学習とは(人工知能の作り方)

それでは、いったいどのように人工知能を作るのでしょうか?
今回は、前述した「機械学習」をさせて人工知能を作る方法について説明します。

機械学習を簡潔にざっくりと表すと、
大量のデータから特徴を見つけ出して、そのデータを分類する
ことです。

例えば、顔認証ができる人工知能を作る場合は、大量の人の表情の写真データを機械に学習させ特徴を見つけ出します。
この特徴とは、人が目で見て理解しているようなものではなく、「特徴ベクトル」や「プロトタイプ」といったものを使ったベクトルや閾値関数となります。

また、機械学習には「教師あり学習」と「教師なし学習」があります。
「教師あり学習」は、この写真は怒った表情であるとか、入力されたデータと正解(ラベル)が1対1で紐づいている訓練データを使って学習することです。

「教師なし学習」は、入力されたデータの正解(ラベル)は与えらておらず、データに存在する特徴を探し出しデータの似た者同士をグループ分けする用途で使用されます。

機械学習の手法として、「ニューラルネットワーク」や「サポートベクターマシン」、「ベイジアンネットワーク」など様々ありますが、詳しくはこちらの記事「機械学習とは!?機械学習の種類について」をご参照ください。

そして、機械学習をして作成された「学習済みモデル」を使って人工知能を作ります。

1111111

詳しい人工知能の作り方は「【簡単3ステップ】 初心者でも分かるAI(人工知能)の作り方」を参考にしてみてください。


ディープラーニングとは

では、最近テレビなどで取り上げられるようになり話題となっている「ディープラーニング(深層学習)」とはどういったものでしょうか?
ディープラーニングとは機械学習の手法の一つで、「ニューラルネットワーク」という数学モデルを使います。

ニューラルネットワークは、「単純パーセプトロン」と呼ばれる人間の神経細胞「ニューロン」を模したものを複数組み合わせてできたものです。

単純パーセプトロンとは以下のようなイメージです。

01

入力された値「x」に重み「w」をかけ、各入力と重みの積を足したものを「活性化関数」を通して出力するというものです。
これらを複数組み合わせてニューラルネットワークを構築します。
ニューラルネットワークは入力層、隠れ層、出力層がありますが、隠れ層を増やすことでディープニューラルネットワークにすることができます。

2222

このディープニューラルネットワークを使って機械学習させることをディープラーニング(深層学習)と呼んでいます。
ニューラルネットワークの機械学習自体は1980年頃には広く用いられるようになっていましたが、ディープラーニングが用いられるようになったのは2012年頃です。


人工知能の進化はまだまだ発展途上です。
研究者も多く存在しており、さまざまなチャレンジが行われています。

まだまだ発展途上の人工知能をどう使っていくかは皆さん次第かもしれません!

タグ:


参考になったら「いいね!」と「シェア」をお願いします!!

このエントリーをはてなブックマークに追加
AI(人工知能)入門セミナー開催中
AI(人工知能)入門セミナー

AI入門ブログの中の人

AI研究所 研究スタッフ
通称:マサミ
アメリカ・サンフランシスコにある情報メディアの専門学校を卒業。大手金融会社での事務経験を経て、2016年9月よりAI研究所に入所。見習い研究員として、AI技術を日々勉強中。

LINE@

Facebookページ