これはよくある心理現象で、どんな言葉でも十分に繰り返せば、やがてすべての意味を失い、ぐしゃぐしゃの組織のように崩壊して音声的には無になるのです。 私たちの多くにとって、「人工知能」というフレーズは、ずっと前にこの方法で崩壊してしまいました。 AI は今、ハイテク業界のいたるところにあり、テレビから歯ブラシまで、あらゆるものを動かしていると言われていますが、言葉自体の意味が薄れたことはありません。 ヘルスケアや戦争に配備され、人々が音楽や本を作るのを助け、履歴書を綿密に調べ、信用度を判断し、携帯電話で撮った写真に手を加えているのです。 要するに、好むと好まざるとにかかわらず、あなたの人生に影響を与える決定を下しているのです。

ハイテク企業や広告主が語る AIの誇大広告と折り合いをつけるのは難しいかもしれません。 たとえば、Oral-B の Genius X 歯ブラシは、今年の CES で発表された、想定される「AI」能力を売り物にした多くの機器のうちの 1 つです。 しかし、プレスリリースのトップラインを掘り下げると、これが意味するのは、正しい時間、正しい場所で歯を磨いたかどうかについて、非常に単純なフィードバックを与えるということです。 ブラシが口の中のどこにあるかを知るために、いくつかの巧妙なセンサーが関係していますが、それを人工知能と呼ぶのは見当違いであり、それ以上ではありません。 報道は研究を誇張し、漠然としたAIの話にターミネーターの絵をくっつけることがある。 多くの場合、これは、人工知能が何であるかについての混乱に起因します。 人工知能は専門家以外には難しいテーマであり、人々はしばしば現代のAIを、彼らが最もよく知る科学的ビジョンである「人間の何倍も賢い意識のあるコンピューター」と誤って混同してしまうのです。 専門家は、このようなAIの具体例を人工知能（artificial general intelligence）と呼んでいますが、もしこのようなものができたとしても、それはずっと先のことになりそうです。 それまでは、AIシステムの知能や能力を誇張しても誰も得をしません。

それなら、AIではなく「機械学習」について話したほうがよいでしょう。 これは人工知能の一分野であり、今世界に大きなインパクトを与えている手法のほとんどを包含しています（ディープラーニングと呼ばれるものも含む）。 AI」のような神秘性はありませんが、機械学習が何をする技術なのかを説明するには、こちらの方が便利です。 過去数年間、私は何十もの説明を読み、見てきましたが、私が最も有用だと感じた区別は、まさにその名の通り、機械学習はコンピュータが自分で学習できるようにすることなのです。 しかし、それが何を意味するかは、もっと大きな問題です。

まず、問題から始めましょう。 例えば、猫を認識するプログラムを作りたいとします。 (なぜかいつも猫です)。 これを昔ながらの方法でやろうとすると、”猫は耳がとがっている “とか “猫は毛深い “というような明確なルールをプログラミングすることになります。 しかし、虎の絵を見せたらプログラムはどうするだろうか？ 必要なルールをすべてプログラミングするのは時間がかかるし、「毛並み」とか「先っぽ」とか、いろいろと難しい概念を定義しなければならない。 それなら、機械が自ら学ぶようにしたほうがいい。 そこで、膨大な数の猫の写真を与えると、その中から自分なりのパターンを見つけていくのです。 最初はランダムに点を結びますが、何度も何度もテストして、一番いいものを選びます。 やがて、何が猫で、何が猫でないかを言うのがかなり上手になるのです。 実際、あなたは以前にもこのような説明を読んだことがあるでしょうし、申し訳なく思っています。 しかし、大切なのは、用語集を読むことではなく、その用語集が意味することを本当に考えることなのです。 5301>

さて、この方法の最大の利点は、実際にプログラムする必要がないことです。 もちろん、システムがデータを処理する方法を改善し、情報を取り込むよりスマートな方法を考え出すなど、非常に多くの微調整を行いますが、何を探すべきかを指示しているわけではありません。 つまり、人間が見逃してしまうようなパターンや、そもそも思いもつかないようなパターンを発見することができるのです。 そして、プログラムに必要なのはデータと0だけです。現代社会はデータで満ち溢れているので、学習させることができる仕事は非常に多くあります。 機械学習のハンマーを手にすると、デジタル世界は釘でいっぱいになり、所定の位置に打ち付けられるようになります。

しかし、デメリットも考えてみてください。 コンピュータに明示的に教えていないのであれば、コンピュータがどのように判断しているのか、どうやって知ることができるのでしょうか？ 機械学習システムは自分の考えを説明できないので、アルゴリズムが間違った理由でうまく動作している可能性があるということです。 同様に、コンピュータが知っているのは与えられたデータだけなので、偏った世界観を持っていたり、過去に見たデータと似たような狭い範囲のタスクだけを得意とする可能性があります。 人間に期待されるような常識は持ち合わせていないのです。 世界で最も優れた猫認識プログラムを作成しても、子猫はバイクを運転すべきではないとか、猫は「不死のメガロス」よりも「ティドルズ」と呼ばれる可能性が高いなどとは決して言わないでしょう。 そして、すべての近道がそうであるように、それは手抜きを伴う。 AIシステムには知性がある、そう呼びたいのならね。 しかしそれは有機的な知性ではないし、人間と同じルールで動いているわけでもない。 本がどれだけ賢いか？ 5301>

では、人工知能は今どのような状況にあるのでしょうか。 何年にもわたって次の大きなブレークスルーを告げる見出しが続いてきましたが（まあ、まだ止まってはいませんが）、ある専門家は、私たちはある種のプラトーに到達したと考えています。 しかし、それは進歩の妨げにはなりません。 研究面では、既存の知識の中に膨大な数の探求すべき道があり、製品面では、アルゴリズムによる氷山の一角を見たに過ぎません。

Kai-Fu Lee 氏は、ベンチャー キャピタルで元 AI 研究者ですが、現在の瞬間を「実装の時代」、つまり、テクノロジーが「研究室から世界へと広がり始める時代」として表現しています。 同じくベンチャーキャピタリストのベネディクト・エヴァンスは、機械学習を、90年代に財を成し、産業全体に革命をもたらした企業向けソフトウェアの一種であるリレーショナル・データベースに例えているが、この2語を読んだだけで目が点になるくらい平凡な話である。 この2人が言いたいのは、私たちは今、AIが急速に普通になっていく段階にいるということです。 「最終的には、ほとんどすべてのものがどこかに組み込まれて、誰も気にしなくなるでしょう」とエヴァンスは言います。 そこで、今週のThe Vergeの特別号「AI Week」では、今まさに起こっていること、この技術がどのように物事を変えていくために使われているのかをご紹介します。 なぜなら、将来、それは、あなたが気づかないほど普通のことになるからです。

Tech の記事一覧を表示する。