[AIストーリー] 人間 VS 人工知能 (6) 人工知能を持つ人間

2024-07-17

シリーズの最後では、なぜ人工知能が人間に挑戦できたのかを振り返り、これからのAIの未来について考えます。シリーズの過去のコンテンツをまだ見ていない場合は、まずチェックすることをおすすめします。

‍[AIストーリー] 人間に挑戦する人工知能 (1) ディープブルー (ディープブルー)

[AI ストーリー] 人間対人工知能 (2) ワトソン (ワトソン)

[AIストーリー] AlexNet (アレックスネット) は人間対人工知能の時代を切り開いた (3) ディープラーニング

[AIストーリー] 人間対人工知能 (4) 感情を読み取るロボット Pepper (ペッパー)

【AIストーリー】人間対人工知能 (5) 直感を計算するアルファスゴー (アルファスゴー)

‍

2016年のAlphaGoの勝利は私たちに大きな衝撃を与えました。これは囲碁というゲームの性質によるもので、「半分の上の宇宙」と呼ばれるほど展開できる場面がほぼ無限にあることが知られています。これまで、直感や理性などの高度な思考を必要とする囲碁の戦いでは、機械が人間を超えることは不可能だと考えられていました。

また、AlphaGoが登場する少し前までは、AIに懐疑的な人が多かったです。実は、人工知能の冬と呼ばれる、失望が広まった時代でした。当時、人工知能の研究は、人々が期待していた結果が得られなかったために金融投資が断たれ、困難な状況にありました。

‍

しかし、数人の先駆的な学者はあきらめず、最終的には今日の目覚ましい成果を達成しました。もちろん、それは研究者が科学的な義務感を高めていたからというだけではありません。もしそうなら、かつては暗黒期に陥ったように見えたAIが逆転を果たせるようになったのは、その間に何が変わったのでしょうか。

‍

計算能力の向上

AIを訓練する人工ニューラルネットワークは、人間の脳の働きを模倣することが知られています。具体的には「生体構造を模倣することで、計算装置がニューロンの入力として使われ、シナプス結合の強さを示す重みが適用される。学習は、各入力に割り当てられる重みを調整することによって行われます。'*と書いてあります。つまり、各接続ポイントは周囲の接続ポイントと相互作用して、ニューラルネットワークが受信した信号を理解します。

‍

ニューラルネットワークアルゴリズムの原理、ソース

‍

これ 「層が深くなるにつれて、学習する重みの量が増え、計算量が指数関数的に増加します。」ということは**ということになります。しかし、これまで、一般的なコンピュータプロセッサは一度に 1 つしか処理していませんでした。つまり、処理する計算量が大きくなりすぎて、既存の CPU だけに頼ることができなくなってしまったのです。

しかし、GPUを使用することで画期的な飛躍が可能になります。少し前に紹介したAlexnet (Alexnet) は、このイノベーションの出発点でした。 「並列計算に有利なGPUを使うことで、ディープラーニングに必要な大規模な計算を迅速かつ正確に処理できるようになりました。」***

アルファゴーも「176基のGPUを搭載した高性能システムがあったため、これほど多くの計算量が可能だったとは想像しがたいです。計算速度は一般的なCPUシステムの30倍以上も速いため、より短時間で効果的な計算を行うことができ、消費電力も大幅に削減されたことは言うまでもありません。'***

‍

大量のビッグデータの保護

どんなに知性が優れていても、学ばなければ自然の知恵のようなものです。しかも、人工知能の場合は特にそうです。そして、このような人工知能を学ぶために必要なのは、人間の世界にある情報です。インターネットの登場から数十年にわたって蓄積されてきた、検索結果、ウィキペディア、ウェブクッキー、追跡データなどの広範なデジタル化されたデータベースは、人工知能をよりスマートにします。****

特に、ディープラーニング技術の登場により、AIのパフォーマンスを向上させるための重要なリソースとして、大規模データの重要性がますます注目されています。データ量が増えれば増えるほど、より正確な結果を得ることができるようになりました。

さらに、近年、データ量だけでなく、AI学習に適した最適化されたデータの確保にも重点が置かれています。そのため、政府や主要機関も質の高いデータベースの構築に力を入れています。政府が推進しているデジタル・ニューディールプロジェクトなど、ビッグデータプラットフォームやAI学習のためのデータ構築プロジェクトもこのカテゴリに該当します。

‍

韓国知能情報社会研究院（NIA）が運営するAI統合プラットフォームソース

‍

さらに何が「私たちが生成するデータは毎年倍増しており、10年後には地球人口の20倍を超える1,500億個のネットワークセンサーが存在すると予測されています。」私が言いたいのは、***** そして、この膨大な量のデータにより、AIはより多く、より速く、より高度に学習できるようになります。今や自力で学習し始めたAIは、世界を理解し、人間と対話する能力を急速に向上させています。

‍

より優れたアルゴリズム

かつて暗黒期に陥っていたAI研究に新たなブレークスルーを開いたAlexnetはその代表的な例です。

アレックスネット登場「ILSVRC（ImageNet大規模視覚認識チャレンジ）は、データを用いて与えられた大量の画像セットから画像を認識することにより、アルゴリズムの精度や速度などを評価するコンテストです。2010 年、2011 年までは浅いアーキテクチャ (浅いアーキテクチャ) のアルゴリズムが優勝していましたが、エラー率は約26％でした。エラー率を 0.1% でも減らせば勝つ、と言われていたので、浅い構造をベースにしたアルゴリズムではエラー率を減らすことは非常に困難でした。しかし、2012 年にジェフリー・ヒントンのチームの AlexNet が圧倒的な精度で優勝し、ディープ・アーキテクチャ (ディープ・アーキテクチャ) によってエラー率が約 26% から 16% に低下し、ディープ・ラーニングが復活しました。。'******

‍

アレックスネットが2012年に登場してからのエラー率の変化ソース

‍

それ以来、今日まで「ほとんどのアルゴリズムはグローバルプラットフォーム（GitHub、Kegle）を通じて共有されています。アルゴリズムとコード共有によるさらなる研究の利便性を高めることで、エコシステムに参加しているメンバー間の相乗効果が生まれます。'*******です。これにより、AIモデルはより幅広い方法で研究され、実際の市場に適用され、高度化されています。

‍

オープンAI GitHub、ソース

‍

前述のように、現在のAI時代は、計算能力、膨大な量のビッグデータの保護、およびより優れたアルゴリズムによって可能になりました。当分の間、AIテクノロジーはこれら3つの重要な要素の相乗効果に基づいて進化し続けるでしょう。実際、AI 通訳者、人間と対話する AI ロボット、AI 顔認識、ディープフェイクなど、以前は想像もできなかった新しい AI ベースのサービスが現実のものとなっています。

最終段階へ、「人工知能を持つ人間」の時代へ

人工知能は古くから研究されており、計算能力、ビッグデータ、アルゴリズムの進歩により革新的な発展を遂げてきました。今や世界中で利用され、欠かせない存在となっています。AIを使って将来他に何が現実になるかを正確に予測することすら難しいのです。

しかし、ある時点で、ディープブルーとAlphaGoの登場により、人間のニーズに疑問が生じました。しかし、ご存知のとおり、AIとの対決の結果がどうであれ、人間は依然としてチェスや囲碁をやっています。というのも、私はAIを人間の競争相手ではなく、人間の能力をさらに高めることができるツールだと思っていたからです。

実際、それ以来、囲碁だけでなくチェスでも、AIを使用してより高いレベルのプレーヤーを訓練してきました。また、これはチェスや囲碁に限った話ではないと思います。今でも、多くの企業や研究者がさまざまなAI技術の開発に取り組んでおり、関連産業も急速に発展しています。

最後に、ディープブルーに敗れたチェスチャンピオンのカスパロフは、シリーズを締めくくるために、再び発言を引用します。 「人工知能マシンを恐れないでください。彼らと協力してください。(インテリジェントマシンを恐れないでください。彼らと一緒に働きなさい。)」 今は、AIに漠然とした恐怖を抱くのではなく、AIが共存するより良い未来に備えるべき時だと思います。

‍