[AI Story] 人工知能の決定的瞬間、サード・オーダー

2024-07-17

シリーズの第3回目では、パーセント理論から現在までの人工知能の開発の歴史を引き続き見ていきます。シリーズの過去の内容をまだチェックしていないなら、最初に読むことをおすすめします。

‍

2000年代、ディープラーニングの到来

‍

1990年代の人工ニューラルネットワークの研究は、傾き損失問題*などの限界により、困難な時期を経なければなりませんでした。10年以上続いた人工知能の冬は2度目で、異常に寒く長い冬でした。再び、世界の関心と投資は消え、多くの研究者が去らざるを得なくなりました。

しかし、2000年代には復活期が訪れました。困難な時代を乗り越え、研究を続けてくれた数人の先駆者たちのおかげです。また、インターネットの普及により、ビッグデータが生まれ、コンピューターの性能が向上し、既存のアルゴリズムの問題が解決され、新たな飛躍の舞台が整いました。

最後に、2006年、ジェフリー・ヒントンは「ディープ・ビリーフネットのための高速学習アルゴリズム」**という論文を発表しました。私たちは、ディープ・ビリーフネットワーク (DBN) ***と呼ばれる新しいアルゴリズムによって、既存のニューラル・ネットワークの課題を解決しました。その結果、今日まで続くディープラーニングの時代が本格的に始まります。

‍

RBMの教師なし学習法とRBMを構築したDBNは、ソース

‍

ディープ・トラスト・ニューラル・ネットワークは、入力層と隠れ層で構成される制限付きボルツマンマシン（RBM）****で構成され、ビルディング・ブロック（ビルディング・ブロック）のように複数の層に積み重ねられたものです。*****これです。事前訓練 (事前訓練) によって傾きが失われる問題を解決できましたし、学習中に意図的にデータを省略する手法 (ドロップアウト) ****** を使うことで、新しいデータをうまく処理できないという問題さえも解決できました。この方法により、既存の人工ニューラルネットワークの限界を超えたディープラーニングを構築することができました。

興味深いのは、ディープラーニングは実際には人工ニューラルネットワークの別名であるということです。当時のイメージがあまりにも悪かったため、人工ニューラルネットワークという言葉を含む論文はタイトルだけで却下されたと言われています******* つまり、否定的な認識から逃れるという避けられない選択が、今日のディープラーニングにつながっています。

‍

2012年、アレックスネットがILSVRCで優勝

‍

AlexNetの開発者-イリヤ・サツケバー（左）、アレックス・クリジェフスキー（中央）、ジェフリー・ヒントン（右）ソース

‍

2012年、アレックスネットはILSVRC（イメージネット大規模視覚認識チャレンジ）******で優勝しました。ILSVRC は、アルゴリズムの精度と速度を競う画像認識コンテストでした。ジェフリー・ヒントンと学生たちによって作られたAlexNetは、前年の記録を 10% 以上下げるという圧倒的な結果で優勝しました。

‍

AlexNetは以前のシステムとは大きく異なっていました。ディープニューラルネットワーク (ディープニューラルネットワーク) は、人間の脳の構造に基づいた人工ニューラルネットワークモデルであるスパイラルニューラルネットワーク (CNN) を使用して実装されました。********* AlexNet以降、ディープアーキテクチャ (ディープアーキテクチャ) ベースのディープラーニングアルゴリズムが主流になりました。

‍

ところで、AlexNetについては以前の投稿ですでに読んでいます。ディープラーニングの全盛期を切り開いた AlexNet のイノベーションについて詳しく知りたい方は、こちらもチェックしてみてください。

[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

‍

2016年、アルファゴーが囲碁で最も多くの人間を獲得して勝利

‍

AlphaGoと9代目ダン・リー・セドルのシーンは、ソース

‍

2016年にイ・セドルとの囲碁試合で優勝したAlphaGoは、今でも人工知能の代名詞です。そういうわけで、AlphaGoは当時私たちに強い印象を残しました。実際、AlphaGo以降、さまざまな分野でAI技術が目立つようになりました。

AlphaGoは、従来の教師あり学習と強化学習を組み合わせた新しい学習方法を使用しました。特に、単にレポートを見て学習するのではなく、セルフパブリッシングによって予測の精度を向上させました。また、多数のケースが展開する囲碁に適したモンテカルロ木探索手法を用いて最適な数を決定しました。**********

AlphaGoの勝利は決定的な瞬間であり、人工知能の歴史におけるハイライトとして記憶され続けるでしょう。それは人工知能研究の分野だけでなく、社会全体に多大な影響を及ぼしました。これまで人間特有の能力であった直感や推理でさえ、人工知能で計算できるということを思い知らされました。

AlphaGoについては、前回の投稿ですでに読んでいます。AlphaGoのアルゴリズムや学習方法について疑問があれば、そちらもチェックしてみてください。

[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ゴー (AlphaGo)

仕上げ中

人工知能は、人間の脳にニューラルネットワークを簡単に実装する試みから始まりました。言い換えれば、人工知能の歴史は、機械が人間の脳に似せるための冒険の旅だったのです。しかし、人間の脳は複雑すぎて真似できない未知の世界であり、AIは多くの試行錯誤といくつかの決定的な瞬間を経て今日までたどり着きました。

将来、人工知能の進化は囲碁で人間を打ち負かすだけではないようです。実際、AIはすでに現実のさまざまな問題を解決するために使われています。天気予報、言語理解、医学研究など以外にも、自動車からおもちゃなど幅広い用途があり、その存在感を示しています。

最近、人工知能は非常に速いペースで発展しています。今のところ、専門家でさえ、数年後を予測するのは難しいと言っています。人間を超えるであろうAIへの期待と恐れ、そしてAIの将来に対するさまざまな見方が交差している状況です。

‍

AlphaGoを開発したDeepMindのCEOであるDemis Husavisは、「将来、人工知能は人類が新しい方向性の分野を開拓し、真実を発見するのに役立つだろう」と述べています。同時に、AIは人間がしてきたことをやっているだけであり、想像力と創造性をもってAIを開発するには、人間の脳をより深く理解する必要があるとも述べました。*********** もしそうなら、性急な予測はさておき、今後AIが進化する決定的な瞬間を注意深く見てみませんか？

‍