家修理

人工知能 (AI) とは: 簡単な言葉で概念を定義します。

機械に知能があるかどうかを判断する最も有名な方法は、1950 年に数学者のアランチューリングによって提案されたチューリングテストです。テスト中、人はコンピュータに向かって話し、誰が話しているのか、機械なのか人間なのかを判断する必要があります。機械が会話を模倣することができれば、その機械には知性があることになります。現在、チューリングテストはすでに行われています。昨年の夏、チャットボットのユージングーストマンがチューリングテストに合格しましたが、このテストは常に批判されています。 Look At Me では、車にインテリジェンスがあるかどうかを見分ける 8 つの他の方法をまとめました。

ラブレステスト2.0

このテストは、史上初のコンピュータープログラマーと考えられている 19 世紀の数学者、エイダラブレスにちなんで名付けられました。これは、機械の創造性を通じて、機械に知性が存在するかどうかを判断するように設計されています。このテストはもともと 2001 年に提案され、機械の設計者が人間が作ったものと間違えるような芸術作品を機械が作成することを想定していました。成功の明確な基準がないため、テストは不正確すぎます。

昨年、ジョージア工科大学のマーク・ライデル教授は、主観性を減らすためにテストを更新しました。さて、機械は特定のジャンルで、人間の審査員によって設定された特定の創造的制限内で作品を作成する必要があります。簡単に言えば、それは特定のスタイルの芸術作品でなければなりません。たとえば、裁判官は機械に、パルミジャニーノ風のマニエリスムの絵画や、マイルス・デイヴィスのようなジャズの作品を描くように依頼するかもしれません。元のテストとは異なり、機械は所定の制限内で動作するため、審査員は結果をより客観的に評価できます。

イケアのテスト

機械に写真を見せて、たとえばカップがどこにあるかを尋ねると、いくつかの答えが与えられます。答えの選択肢はすべて正解です （テーブルの上、マットの上、椅子の前、ランプの左側）しかし、中には他の人よりも人間らしい人もいるかもしれない (たとえば、上記のすべてのうち、人は「テーブルの上」と答える可能性が高くなります)。単純なタスクのように見えますが、実際には、あるオブジェクトが他のオブジェクトとの関係でどこにあるかを記述する能力は次のとおりです。必須の要素人の心。ここでは、オブジェクトのサイズから特定の状況、一般的にはコンテキストでの役割に至るまで、多くのニュアンスや主観的な判断が影響します。人間は直感的にそれを行いますが、機械は問題に遭遇します。

ブドウの計画

チューリングテストに合格したチャットボットは、裁判官をだまして自分が人間であると信じ込ませるのが得意です。トロント大学のコンピューターサイエンス教授ヘクター・レベスク氏によると、このようなテストは、特に短いテキストの通信において、いかに簡単に人を欺くことができるかを示すだけだという。しかし、チューリングテストからは、機械に知能があるかどうか、さらには言語理解があるかどうかを判断することは不可能です。

人工知能 (AI または AI) の概念には、インテリジェントな機械 (コンピュータープログラムを含む) を作成できるテクノロジーだけが含まれるわけではありません。 AI も科学的思考の分野の 1 つです。

人工知能 - 定義

知能- これは人の精神的な要素であり、次の能力があります。

適応的;
経験と知識の蓄積による学習。
環境を管理するために知識とスキルを適用する能力。

知性は、現実を認識するために人のあらゆる能力を組み合わせます。それの助けを借りて、人は考え、新しい情報を思い出し、認識します環境等々。

人工知能は、情報技術の分野の 1 つとして理解されており、学習能力や論理的推論などの人間の知能の能力を備えたシステム (機械) の研究と開発に従事しています。

現時点では、人工知能に関する研究は、人間と同じ方法で問題を解決する新しいプログラムとアルゴリズムを作成することによって実行されます。

この方向の発展に伴って AI の定義も進化するため、AI の効果について言及する必要があります。人工知能がある程度進歩したときに生み出す効果を指します。たとえば、AI が何らかのアクションを実行できるようになった場合、すぐに批評家がそれに加わり、これらの成功は機械に思考が存在することを示すものではないと主張します。

現在、人工知能の開発は 2 つの独立した方向に進んでいます。

ニューロサイバネティクス。
論理的なアプローチ。

最初の方向には、生物学の観点からニューラルネットワークと進化的コンピューティングの研究が含まれます。論理的アプローチには、思考や発話などの高レベルの知的プロセスを模倣するシステムの開発が含まれます。

AI 分野における最初の研究は、前世紀半ばに行われ始めました。この方向の研究の先駆者は アラン・チューリング、ただし、特定のアイデアは中世の哲学者や数学者によって表現され始めました。特に、20 世紀初頭には、チェスの問題を解くことができる機械装置が導入されました。

しかし実際には、この方向性は前世紀半ばまでに形成されました。 AI に関する研究の登場に先立って、人間の本性、周囲の世界を知る方法、思考プロセスの可能性などに関する研究が行われました。その時までに、最初のコンピューターとアルゴリズムが登場していました。つまり、新たな研究の方向性が生まれる基盤ができたのです。

1950 年、アランチューリングは、未来の機械の能力と、知覚の点で人間を超えることができるかどうかについて疑問を呈した記事を発表しました。後に彼の名をとってチューリングテストと名付けられる手順を開発したのはこの科学者でした。

英国の科学者の著作の出版後、AIの分野で新しい研究が登場しました。チューリングによれば、コミュニケーション中に人間と区別できない機械だけが思考機械として認識されるという。科学者の役割が登場したのとほぼ同時期に、ベビーマシンと呼ばれる概念が生まれました。 AI の漸進的な開発と、最初は子供のレベルで思考プロセスが形成され、その後徐々に改善される機械の作成が想定されていました。

「人工知能」という言葉が生まれたのはその後です。 1952 年、チューリングを含む科学者のグループがダートムントのアメリカン大学に集まり、AI に関連する問題について話し合いました。この会議の後、人工知能の機能を備えたマシンの積極的な開発が始まりました。

AI分野における新技術の創造において特別な役割を果たしたのは軍部門であり、この研究分野に積極的に資金を提供した。その後、人工知能分野の仕事が大企業を惹きつけ始めました。

現代の生活はより多くのものを必要としますやりがいのある仕事研究者の前で。したがって、人工知能の出現期に起こったことと比較すると、AIの開発は根本的に異なる状況で行われます。グローバリゼーションのプロセス、デジタル領域への侵入者の行動、インターネットの発展、その他の問題 - これらすべてが科学者に複雑な課題を課しており、その解決策は AI の分野にあります。

近年この分野で達成された成功（たとえば、自律技術の出現）にもかかわらず、真の人工知能の作成や、それほど有能なプログラムの作成を信じていない懐疑的な人の声がまだあります。多くの批評家は、AIの積極的な開発により、近いうちに機械が人間に完全に取って代わる状況に陥るのではないかと懸念している。

研究の方向性

哲学者たちは、人間の知性の本質とは何か、そしてその地位はどのようなものであるかについて、まだ合意に達していません。この点で、AI に特化した科学研究には、人工知能がどのようなタスクを解決するかを示すアイデアが数多くあります。また、どのような機械がインテリジェントであると考えられるかという問題についても、共通の理解がありません。

現在、人工知能テクノロジーの開発は 2 つの方向に進んでいます。

降順 (記号論的)。これには、発話、感情の表現、思考などの高度な精神プロセスを模倣する新しいシステムと知識ベースの開発が含まれます。
上昇（生物学的）。このアプローチには、生物学的プロセスの観点から知的行動のモデルが作成されるニューラルネットワークの分野での研究が含まれます。この方向に基づいてニューロコンピュータが作成されています。

人工知能 (機械) が人間と同じように考える能力を決定します。一般的な意味では、このアプローチには、同じ通常の状況における人間の行動と変わらない動作をする AI の作成が含まれます。実際、チューリングテストでは、機械と通信するときに、誰が話しているのか、つまり機械なのか生きている人間なのかを理解できない場合にのみ、機械が知的であると仮定しています。

SF 本は、AI の能力を評価する別の方法を提供します。感じて創造できれば、人工知能は現実のものになります。ただし、この定義アプローチは実際には当てはまりません。たとえば、環境の変化（寒さ、暑さなど）に対応する能力を備えた機械がすでに開発されています。同時に、彼らは人のように感じることができません。

象徴的なアプローチ

問題解決の成功は、状況に柔軟に対応できるかどうかによって大きく左右されます。人間とは異なり、機械は受け取ったデータを統一された方法で解釈します。したがって、問題の解決に参加するのは人間だけです。このマシンは、いくつかの抽象化モデルの使用を排除した、書かれたアルゴリズムに基づいて操作を実行します。プログラムの柔軟性を実現するには、問題解決の過程に関連するリソースを増やすことが可能です。

上記の欠点は、AI の開発で使用される記号的アプローチに典型的なものです。ただし、人工知能の開発のこの方向では、計算プロセスで新しいルールを作成することができます。そして、象徴的なアプローチから生じる問題は、論理的な方法で解決できます。

論理的なアプローチ

このアプローチには、推論のプロセスを模倣するモデルの作成が含まれます。それは論理の原則に基づいています。

このアプローチには、特定の結果をもたらす厳密なアルゴリズムの使用は含まれません。

エージェントベースのアプローチ

インテリジェントなエージェントを使用します。このアプローチは次のことを前提としています。インテリジェンスは計算の一部であり、それによって目標が達成されます。マシンはインテリジェントエージェントの役割を果たします。彼女は特別なセンサーの助けを借りて環境を学習し、機械部品を通じて環境と対話します。

エージェントベースのアプローチは、さまざまな状況でマシンが動作し続けることを可能にするアルゴリズムと方法の開発に焦点を当てています。

ハイブリッドアプローチ

このアプローチにはニューラルモデルとシンボリックモデルの統合が含まれており、これにより思考と計算のプロセスに関連するすべての問題の解決が達成されます。たとえば、ニューラルネットワークは、機械の動作が進む方向を生成できます。そして、静的学習は問題を解決するための基礎を提供します。

同社の専門家によると ガートナー, 2020年代初頭までに、リリースされるほぼすべてのソフトウェア製品に人工知能テクノロジーが使用されるようになるでしょう。また、専門家は、デジタル分野への投資の約 30% が AI にかかるだろうと示唆しています。

Gartner のアナリストによると、人工知能は人間と機械の間の協力に新たな機会をもたらします。同時に、AIによる人間の排除のプロセスは止めることができず、将来的には加速するだろう。

会社で PwC新技術の急速な導入により、2030 年までに世界の国内総生産は約 14% 増加すると考えられています。さらに、増加分の約 50% は生産プロセスの効率の向上につながります。指標の後半は、製品への AI の導入によって得られる追加利益になります。

当初、米国は人工知能の使用の影響を受けるでしょう。より良い条件 AI上で機械を操作するために。将来的には、こうした技術を製品や生産に導入することで最大の利益を引き出す中国に追い抜かれるだろう。

企業の専門家 販売力 AI は中小企業の収益性を約 1 兆 1,000 億ドル増加させると主張しています。そしてそれは2021年までに実現するでしょう。この指標の一部は、顧客とのコミュニケーションを担当するシステムに AI によって提供されるソリューションを実装することによって達成されます。同時に、生産プロセスの自動化により効率が向上します。

新しいテクノロジーの導入により、さらに 80 万人の雇用が創出されます。専門家らは、この数字がプロセスの自動化による欠員の損失を相殺していると指摘している。アナリストらは企業間の調査に基づいて、ファクトリーオートメーションへの支出が2020年代初頭までに約460億ドルに増加すると予測している。

ロシアでもAI分野での研究が進められている。 10年間にわたり、州はこの分野で1300件以上のプロジェクトに資金を提供してきました。さらに、投資のほとんどは商業活動の実施とは関係のないプログラムの開発に当てられました。これは、ロシアのビジネス界がまだ人工知能技術の導入に関心を持っていないことを示している。

これらの目的のために、合計約230億ルーブルがロシアに投資された。政府の補助金の額は他国が示したAI資金の額に比べて劣っている。米国では、毎年約 2 億ドルがこれらの目的に割り当てられています。

基本的にロシアでは国家予算からAI技術の開発に資金が割り当てられ、その資金は運輸部門、防衛産業、安全保障関連のプロジェクトに使用される。この状況は、我が国では、投資した資金から一定の効果を迅速に達成できる分野に人々が投資する可能性が高いことを示しています。

上記の研究は、ロシアが現在、AI技術の開発に携わることができる専門家を訓練する高い潜在力を持っていることも示した。 5人分近年約20万人がAI関連分野の訓練を受けている。

AI テクノロジーは次の方向に発展しています。

AIの機能を人間の機能に近づけ、日常生活にAIを統合する方法を見つけることを可能にする問題を解決する。
一人前の精神を発達させ、それによって人類が直面する課題を解決します。

現在、研究者は実際的な問題を解決する技術の開発に重点を置いています。これまでのところ、科学者たちは本格的な人工知能の開発には至っていない。

多くの企業がAI分野の技術開発を進めています。「Yandex」は 1 年以上にわたって検索エンジンの業務にそれらを使用してきました。 2016 年以来、ロシアの IT 企業はニューラルネットワークの分野の研究に取り組んでいます。後者は検索エンジンの働きの性質を変えます。特に、ニューラルネットワークは、ユーザーが入力したクエリを、タスクの意味を最も完全に反映する特定のベクトル番号と比較します。つまり、言葉ではなく、その人が求めている情報の本質から検索するのです。

2016年 「ヤンデックス」サービスを開始しました "禅"、ユーザーの好みを分析します。

会社 アビー最近導入されたシステム コンプレノ。その助けを借りて、自然言語で書かれたテキストを理解することが可能になります。人工知能テクノロジーに基づく他のシステムも、比較的最近になって市場に参入しました。

見つけます。このシステムは人間の音声を認識することができ、複雑なクエリを使用してさまざまな文書やファイル内の情報を検索します。
ガマロン。この会社では自己学習できる制度を導入しています。
ワトソン。情報を検索するために多数のアルゴリズムを使用する IBM コンピューター。
ボイス経由。人間の音声認識システム。

大規模な営利企業は、人工知能分野の進歩を無視しているわけではありません。銀行はこうしたテクノロジーを業務に積極的に導入しています。 AI ベースのシステムの助けを借りて、彼らは取引所での取引を実行し、資産を管理し、その他の業務を実行します。

防衛産業、医療、その他の分野では物体認識技術が導入されています。そして開発会社もコンピューターゲーム、AIを応用して次の製品を生み出します。

過去数年にわたり、アメリカの科学者のグループはあるプロジェクトに取り組んできました。 ニールこの研究では、研究者はコンピュータに写真に写っているものを認識するよう依頼します。専門家らは、この方法で外部介入なしで自己学習できるシステムを構築できるだろうと示唆しています。

会社 ビジョンラボ独自のプラットフォームを導入ルナ、画像やビデオの膨大なクラスターから顔を選択することで、リアルタイムで顔を認識できます。このテクノロジーは現在、大手銀行やネットワーク小売業者によって使用されています。 LUNA を使用すると、人々の好みを比較し、関連する製品やサービスを提供できます。

ロシアの企業が同様の技術に取り組んでいる エヌテックラボ。同時に、その専門家はニューラルネットワークに基づいた顔認識システムの作成を試みています。最新のデータによると、ロシアの発展は人間よりも割り当てられた任務にうまく対処します。

スティーブン・ホーキング博士は、将来の人工知能技術の発展は人類の滅亡につながると述べています。その科学者は、AIの導入により人間は徐々に劣化していくと指摘した。そして、自然進化の状況では、人が生き残るために絶えず戦う必要があるとき、このプロセスは必然的に彼の死につながります。

ロシアはAIの導入を前向きに検討している。アレクセイ・クドリンはかつて、そのようなテクノロジーの使用により、国家機構の維持コストがGDPの約0.3％削減されるだろうと述べた。ドミトリー・メドベージェフは、AIの導入により多くの職業が消滅すると予測しています。しかし同当局者は、こうした技術の利用が他の産業の急速な発展につながると強調した。

世界経済フォーラムの専門家によると、2020年代初頭までに、生産の自動化により約700万人が職を失うという。 AIの導入は経済の変革を引き起こし、データ処理に関連する多くの職業の消滅を引き起こす可能性が非常に高いです。

専門家 マッキンゼーロシア、中国、インドでは生産の自動化プロセスがさらに活発化すると宣言。これらの国では近い将来、AIの導入により労働者の最大50％が職を失うだろう。それらに取って代わられるのは、コンピューター化されたシステムとロボットです。

マッキンゼーによると、小売店やホテルのスタッフなど、肉体労働や情報処理を伴う仕事は人工知能に取って代わられるという。

アメリカ企業の専門家によると、今世紀半ばまでに世界中で雇用が約50％減少するという。人間は、同様の作業を同じかそれ以上の効率で実行できる機械に置き換えられるでしょう。同時に、専門家は、この予測が指定された時刻より前に実現するという選択肢を排除しません。

他のアナリストは、ロボットが引き起こす可能性のある害を指摘しています。例えば、マッキンゼーの専門家らは、ロボットは人間とは異なり、税金を支払わないと指摘している。その結果、予算収入の減少により、州はインフラを同じレベルに維持できなくなります。そこで、ビル・ゲイツはロボット機器に対する新たな課税を提案した。

AI テクノロジーは、間違いの数を減らすことで企業の効率を向上させます。さらに、人間では達成できないレベルまで操作の速度を上げることができます。

人工知能とは何ですか? 間違いなく、人間の助けなしで動きを制御できる自動車や、Apple の Siri、Amazon の Alexa、Google のアシスタント、Microsoft の Cortana などの音声認識デバイスについて聞いたことがある人は多いでしょう。しかし、これが人工知能 (AI) の可能性のすべてではありません。

AI は 1950 年代に初めて「発見」されました。長年にわたり、浮き沈みはありましたが、人類開発の現段階では、人工知能は将来の主要なテクノロジーとみなされています。エレクトロニクスの発展とより高速なプロセッサの登場により、AI を使用するアプリケーションが増えています。人工知能は、すべてのエンジニアが精通すべき驚異的なソフトウェアテクノロジです。この記事では、このテクノロジーについて簡単に説明します。

人工知能の定義

AI はコンピューターサイエンスの一分野であり、人間の脳を模倣することでコンピューターや電子コンポーネントをより賢く利用することが含まれます。インテリジェンスとは、知識と経験を獲得し、問題を解決するためにそれを適用する能力です。 AI は、データセットの分析と解釈、および実際のデータの抽出に特に役立ちます。有用な情報。情報から洞察が得られ、意思決定や何らかの行動を起こすために使用できます。

研究分野

人工知能は、多くの応用が可能な幅広いテクノロジーです。通常はサブブランチに分かれています。それぞれを簡単に見てみましょう。

特定のアルゴリズムによる解決策がない一般的な問題を解決します。不確実性と曖昧さの問題。
エキスパートシステムは、複数の個別の専門家からのルール、事実、データの知識ベースを含むソフトウェアです。問題を解決したり、病気を診断したり、アドバイスを提供したりするためにデータベースを要求できます。
自然言語処理 (NLP) - テキスト分析に使用されます。音声認識も (NLP) の一部です。
コンピュータービジョンは、視覚情報 (写真、ビデオなど) の分析と理解です。マシンビジョンや顔認識がその例です。「自動運転」車両や生産ラインで使用されます。
ロボティクスとは、より賢く、より適応性があり、「自立した」ロボットを作成することです。
ゲーム: AI はゲームが得意です。コンピューターは、チェス、ポーカー、囲碁でプレイして勝つようにすでにプログラムされています。
機械学習は、コンピューターが入力から学習し、結果を理解できるようにする手順です。ニューラルネットワークは機械学習の基礎を形成します。

人工知能の仕組み

通常のコンピューターはアルゴリズムを使用して問題を解決します。一連の命令により、結果を取得するためのアクションが段階的に実行されます。従来の形式の人工知能は、知識ベースと、さまざまなメカニズムを使用してユーザーインターフェイスを通じて知識ベースを操作する推論エンジンに基づいています。以下に挙げるいくつかの方法で有益な結果が得られています。

検索: 検索アルゴリズムは、グラフまたはツリーに編成された情報のデータベースを使用します。検索は人工知能の主な方法です。
論理: 演繹的および帰納的推論は、ステートメントの真偽を判断するために使用されます。これには、命題論理と述語論理の両方が含まれます。
ルール: ルールは、結果を決定するために見つけることができる一連の「if」ステートメントです。ルールベースのシステムはエキスパートシステムと呼ばれます。
確率と統計: いくつかの問題は、確率と統計の標準的な数学理論を適用することで解決でき、解決策が見つかります。
リスト: 一部の種類の情報は、検索可能なリストに保存できます。
他の形式の知識としては、スキーマ、フレーム、スクリプトなどがあります。これらは、以下をカプセル化する構造です。各種知識。検索メソッドは、関連するクエリに対する回答を探します。

検索、ロジック、確率、ルールなどの従来型またはレガシーの AI メソッドは、人工知能の第一波とみなされます。これらの方法は今でも使用されており、特に狭い範囲の問題に対しては、十分な知識と推論が必要です。 AI の最初の波には、学習と意思決定の抽象化という人間の特性が欠けています。これらの品質は、ニューラルネットワークと機械学習のおかげで、人工知能の第 2 波で利用できるようになりました。

ニューラルネットワーク

現在、AI の研究開発のほとんどは、ニューラルネットワークまたは人工ニューラルネットワーク (ANN) の使用に基づいています。これらのネットワークは、私たちの思考と学習を担う人間の脳のニューロンを模倣した人工ニューロンで構成されています。各ニューロンは、シナプスを介して多くのニューロンを他のニューロンに接続する複雑な相互接続のノードです。 ANN はこのネットワークをシミュレートします。

各ノードには複数の重み付けされた入力のほか、出力としきい値設定があります (上図)。このようなノードは通常ソフトウェアで実装されますが、ハードウェアエミュレーションも可能です。一般的な回路は、入力層、隠れ層 (処理層またはトレーニング層)、出力層の 3 つの層で構成されます。

一部のメカニズムはバックプロパゲーションを使用して、新しい情報を受信すると一部のノードの入力重みを変更するフィードバックを提供します。

機械学習と深層学習

機械学習は、コンピューターにパターンを認識するように教える方法です。コンピューターまたはデバイスは例によって「学習」され、その後、特別なプログラムが実行されて入力と学習された値が比較されます。通常、トレーニングソフトウェアには大量のデータが必要です。機械学習プログラムは、新しい資料からより多くの知識や経験を得るにつれて自動的に学習されるように設計されています。

ニューラルネットワークは機械学習によく使用されますが、他のアルゴリズムも同様に使用できます。その後、ソフトウェアは新しい入力に基づいて認識性を向上させるためにそれ自体を変更できます。現在、一部の機械学習システムは、トレーニングなしで独自にパターンを認識し、さらなる改善のために自らを変更できます。

ディープラーニングは機械学習を拡張したものです。また、ディープニューラルネットワーク (DNN) と呼ばれるニューラルネットワークも使用されます。機能をさらに強化するために、追加の隠れたレベルの計算が含まれています。一括トレーニングが必要です。プログラマは相互接続の重みを調整することでパフォーマンスを向上させることができます。 DNN には行列処理も必要です。ただし、DNN は統計的な重みを使用するため、たとえば目に見える認識結果が 100% ではない可能性があることに注意してください。さらに、このようなシステムのデバッグは非常に骨の折れる作業です。

機械学習と深層学習は、コンピュータービジョンや音声認識だけでなく、ビッグデータ分析でも広く使用されています。医学、法律、金融などの他の分野にも応用できます。

人工知能ソフトウェア

ほぼすべてのプログラミング言語を AI プログラミングに使用できますが、一部の言語には特定の利点があります。 AI 専用に設計されたプロファイル言語には、LISP や Prolog などがあります。最古の高水準言語の 1 つである LISP はリストを扱います。 Prolog はロジックに基づいています。今日では C++ と Python が人気です。エキスパートシステムを開発するための特別なソフトウェアもあります。

Amazon、Baidu (中国)、Google、IBM、Microsoft など、いくつかの主要な AI ユーザーが開発プラットフォームを提供しています。これらの企業は、音声認識などの一般的なアプリケーションの出発点として、事前トレーニングされたシステムを提供しています。 Nvidia や AMD などのプロセッサベンダーもある程度のサポートを提供しています。

AIハードウェア

コンピュータ上で人工知能ソフトウェアを実行するには、通常、高速性と大量のメモリが必要です。ただし、一部の単純なアプリケーションは 8 ビットプロセッサ上で実行できます。現在のプロセッサーの中には十分すぎるものもあります。また、複数の並列プロセッサーを使用できます。理想的な解決策特定のアプリケーション向け。さらに、一部のアプリケーション向けに特別なプロセッサが開発されています。

グラフィックスプロセッシングユニット (GPU) は、アーキテクチャと命令セットを特定の用途に集中させてパフォーマンスを最適化する例です。たとえば、自動運転車専用の Nvidia プロセッサや AMD GPU などです。 Google は、検索エンジンを最適化するために独自のエンジンを開発しました。 Intel と Knupath も、自社の高度なプロセッサに対するソフトウェアサポートを提供しています。場合によっては、ASIC または FPGA の特別なロジックが特定のアプリケーションを実装できることがあります。

活動内容と現状

人工知能はかつては珍しいものだと考えられていましたソフトウェア特別なニーズ向けに設計されています。大量のメモリを搭載した高速コンピュータが必要なため、その用途は限られていました。現在、超高速プロセッサ、マルチコアプロセッサ、安価なメモリのおかげで、AI の人気が高まっています。私たち全員が日常的に使用している Google 検索エンジンは、人工知能に基づいています。

現在、ニューラルネットワークと深層機械学習に重点が置かれているのは間違いありません。音声認識と自動運転車が引き続き注目を集める一方で、顔認識、自律ナビゲーション、ロボティクス、医療診断、金融などの他の重要なアプリケーションも台頭しています。高度な軍事用途 (自律型兵器など) も開発中です。

AI の将来は有望に見えます。 Orbis Research によると、世界の AI 市場は 2022 年までに成長し、年平均成長率は 35% 以上になると予想されています。 International Data Corporation (IDC) も前向きで、AI への支出は 2016 年の 80 億ドルから 2020 年には 470 億ドルに増加すると予想されています。

多くの人は論理的な疑問を抱いています - 人工知能は特定の職業の人々に取って代わるのでしょうか、そして彼らはどのような種類の職業になるのでしょうか？答えは次のとおりです - 「おそらく、そして一部だけです」。おそらく、人工知能ベースのコンピューターは、生産性、効率性、意思決定の速度を向上させ、一部の専門職の生産性を向上させるのに役立つでしょう。しかし、ロボット工学の発展により、産業上の雇用の一部は依然として失われるだろうが、人間が機械に置き換わることで、これらの機械のメンテナンスに関連する新たな雇用が創出されることになる。

多くの人が抱くもう 1 つの質問は、人工知能は人類にとって危険でしょうか? AIは賢いですが、それほど賢いわけではありません。その主な目的は、入手可能な情報と抽出された知識に基づいたデータ分析、問題解決、意思決定です。特にイノベーションと創造性に関しては、依然として人々が優位に立っています。しかしながら、将来を予測することは困難です。少なくともこの開発段階では、超スマートなロボットはまだ存在しません...

人工知能は遠い未来だと多くの人が考えていますが、私たちは日々人工知能と直面しています。

サウジアラビア、2017 世界初のロボットが市民権を獲得。これは、メディア分野における人工知能テクノロジーの最も有名な代表者であるソフィアです。彼女は会話を続ける方法を知っており、最大 62 のありそうな表情を再現し、イーロンマスクと人類の滅亡について挑発的な発言やジョークを言います。

このようなテクノロジーはまだ「単なる人間」には程遠いように思われますが、実際、私たちは日常的に人工知能と対話しています。それでは、それは何で、どこで見つかり、機械はどのようにして学習するのでしょうか?

何を、いつ、どこで

人工知能 (AI) とは何かと尋ねると、Wikipedia は、これは人間が実行するタスクに似たタスクを形式化する計算言語学およびコンピューターサイエンスの一部分であると答えるでしょう。

簡単に言うと、人工知能 (AI) はコンピューターサイエンスの広範な分野であり、機械によって人間の知能を模倣することを目的としています。このテクノロジーは 2000 年代初頭から盛んに話題になっていますが、決して新しいものではありません。

「人工知能」という用語は、1956 年にダートマス大学のジョン・マッカーシー教授が作り出した造語で、彼は小規模な科学者チームを率いて、機械が試行錯誤を通じて子供のように学習し、最終的に形式的思考を発達させることができるかどうかを判断しました。

実際、このプロジェクトは、機械に「言語、抽象的な形式を使用させ、人間が通常解決する問題を解決し、改善する」方法を見つけ出すという意図に基づいていました。そしてそれは60年以上前のことです。

なぜ今AIの需要が高まっているのか

1. 今日、私たちは前例のない量の情報を扱っています。過去数年間で、世界のデータの 90% が作成されました。この統計は、2013 年に IBM の調査で初めて言及されましたが、この傾向は変わっていません。実際、過去 30 年間で 2 年ごとに、世界のデータ量は約 10 倍に増加しました。

2. アルゴリズムはより洗練されており、ニューラルネットワークを備えたマシンは人間の脳の働きを再現し、複雑な連携を形成することができます。

3. コンピューティング能力は常に向上しており、膨大な量のデータを処理できます。

すべてを組み合わせると、たくさんのものが得られます技術労働者, AIの開発に投資し、テクノロジーの進歩に興味を持っているCEOやベンチャーキャピタリスト。

「人工知能」と私たち

AI テクノロジーは何十年にもわたって人々の想像力を掻き立ててきましたが、多くの人はそれを毎日使用していることに気づいていません。

そこで、プロファイル会社 SpotHub が世界各地の 1,400 人を対象に無作為調査を実施したところ、そのうちの 63% が AI の日常的な重要性を認識していないことが判明しました。

おそらくこれは、人工知能に関して言えば、私たちと同じように話し、考えるスマートなロボットの登場を期待しているからでしょう。そして、ソフィアとそのような機械は、今では未来から来た「こんにちは」のように見えるかもしれませんが、それでもまだ自己認識からはほど遠いテクノロジーです。

現在、私たちの周りには、現代生活のあらゆる側面を容易にするように設計された、信じられないほど複雑な人工知能ツールがたくさんあります。ここではそのうちのほんの一部を紹介します。

Siri、Alexa、Cortana などの検索アシスタントには、人間の音声処理および認識ソフトウェアが搭載されており、AI ツールとなります。これまでのところ、音声検索機能は 39 億台で利用可能です Apple デバイス, Android と Windows は世界中で使用されており、他のメーカーは考慮されていません。音声検索は最も普及しているものの 1 つです。現代のテクノロジーアルのサポート付き。

ビデオゲーム

ビデオゲームでは長い間 Al が使用されてきましたが、その複雑さと有効性は過去数十年で飛躍的に増大しました。その結果、たとえば、仮想キャラクターは環境を分析して、まったく予測できない方法で行動することができます。

自動運転車

完全自動運転車は現実に近づいています。今年、Google は、人間が行うのとまったく同じように、経験を通じて車の運転を学習できるアルゴリズムを発表しました。その考えは、最終的には車が道路を「見て」、見たものに基づいて意思決定を行えるようになるということです。

製品の提供

Target や Amazon などの大手小売業者は、ユーザーのニーズを予測する店舗の能力から数百万ドルを稼いでいます。たとえば、Amazon.com のレコメンデーションサービスは機械学習テクノロジーに基づいており、処理センターでの自動移動や注文処理に最適なルートを選択するのにも役立ちます。

サプライチェーンと、予測およびリソース割り当てのためのシステムは、これらと同じテクノロジーに基づいて動作します。自然な音声を理解して認識するためのテクノロジーが、Alexa サービスの基礎を形成しました。ディープラーニングにより、同社の新しいドローンイニシアチブである Prime Air と新しいビジョンマシンビジョンテクノロジーが構築されました小売りアマゾンゴー。

オンラインカスタマーサポート

サービス業界では、チャットボットはサービス体験に革命をもたらし、消費者はチャットボットを電話や電子メールと同じくらい便利だと感じています。

コンセプトはシンプルです。企業 Web サイト上で実行される AI ボットが、「価格はいくらですか?」などの訪問者のクエリに応答します。あなたの会社の電話番号は何ですか? あなたのオフィスはどこですか？訪問者は、サイト上で必要な情報を探すのではなく、直接応答を受け取ります。

こちらもお読みください:人工知能は自律型兵器を殺人ロボットに変えることができます。本当に怖いのはなぜですか

ニュースポータル

人工知能は財務レポートやスポーツレポートなどの簡単なストーリーを書くことができます。今年のハロウィーンに向けて、マサチューセッツ工科大学の研究者たちは

質問と回答の形式で表現された人工知能の本質。創造の歴史、研究技術、人工知能はIQと関連があるのか、人間の知能と比較できるのか。回答された質問 スタンフォード大学教授ジョン・マッカーシー.

人工知能 (AI) とは何ですか?

人工知能は、知性を備えた機械やコンピュータープログラムの作成を扱う科学および工学の分野です。これは、コンピューターを使用して人間の知性を理解するというタスクに関連しています。同時に、人工知能は生物学的に観察可能な方法に限定されるべきではありません。

はい、でも知性とは何でしょうか？

知性とは、計算の助けを借りて決定を下す能力です。知能別の種類レベルには人、多くの動物、いくつかの機械がいます。

人間の知性との関連付けに依存しない知性の定義はないのでしょうか?

これまでのところ、どのような種類の計算手順をインテリジェントと呼ぶのかは理解されていません。私たちは知性のメカニズムをすべて知っているわけではありません。

「この機械には知性があるのか？」という質問ができるほど、知性は明確な概念なのでしょうか。はいまたはいいえで答えていただけますか？

いいえ。 AI 研究では、メカニズムの一部のみを使用する方法が示されています。タスクを完了するために十分に研究されたモデルのみが必要な場合、結果は非常に印象的です。このようなプログラムにはインテリジェンスが「ほとんどありません」。

人工知能は人間の知能を模倣する試みなのでしょうか?

時々ではありますが、常にではありません。一方で、私たちは人々や私たち自身のアルゴリズムが働いているのを観察することで、機械に問題を解決させる方法を学びます。一方、AI 研究者は、人間では観察されないアルゴリズムや、より多くの計算リソースを必要とするアルゴリズムを使用します。

コンピュータプログラムにはIQがあるのでしょうか?

いいえ。 IQ は子供の知能の発達速度に基づいています。これは、子供が通常特定の結果を獲得する年齢と子供の年齢の比率です。この評価は、成人にも適切に拡張されます。 IQ は、人生の成功または失敗のさまざまな尺度とよく相関します。しかし、IQ テストで高得点が取れるコンピューターを構築することは、その有用性とはほとんど関係がありません。たとえば、長い一連の数字を繰り返す子供の能力は、他の知的能力とよく相関しています。これは、子供が一度にどれだけの情報を記憶できるかを示しています。同時に、メモリ内に数値を保持することは、最も原始的なコンピュータにとってさえ簡単な作業です。

人間の知能とコンピューターの知能を比較するにはどうすればよいでしょうか?

人間の知能分野の第一人者であるアーサー・R・ジェンセンは、「ヒューリスティック仮説」として、普通の人々は同じ知能のメカニズムを共有しており、知的差異は「定量的な生化学的および生理学的条件」によるものだと主張している。これらには、思考の速度、短期記憶、正確で検索可能な長期記憶を形成する能力が含まれます。

人間の知能に関するジェンセンの見方が正しいかどうかは別として、今日の AI の状況はその逆です。

コンピュータープログラムは非常に高速でメモリに優れていますが、その能力はソフトウェア開発者が理解し、プログラムに組み込むことができる知的メカニズムに対応しています。通常、子供たちが思春期まで発達しないいくつかの能力が導入されます。他には2歳児が所有していたものもあり、依然として行方不明となっている。認知科学はいまだ人間の能力を正確に決定できないという事実によって、問題はさらに悪化します。おそらく、AI の知的メカニズムの組織化は人間のそれに匹敵します。

人間がコンピューターよりも早く問題を解決できるということは、開発者がタスクを効果的に実行するために必要な知能のメカニズムを理解していないことを示しています。

AI研究はいつ始まりましたか?

第二次世界大戦後、何人かの人々が独立してインテリジェントマシンの開発に取り組み始めました。英国の数学者アラン・チューリングはその最初の人だったと考えられます。彼は 1947 年に講演を行いました。チューリングは、AI は機械を構築するのではなく、コンピューターをプログラミングすることが最適であると判断した最初の人物の 1 人です。 1950 年代後半までに、多くの AI 研究者が存在し、そのほとんどがコンピュータープログラミングに基づいて研究を行っていました。

AIの目的は人間の心をコンピュータに取り込むことなのでしょうか？

人間の心には多くの特徴があり、それぞれを模倣することはほとんど現実的ではありません。

チューリングテストとは何ですか?

A. アラン・チューリングの 1950 年の論文「コンピューティングとインテリジェンス」では、機械が知性を持つための条件について論じられています。彼は、もし機械が知的な観察者に対して人間のふりをすることができれば、当然それを知的であるとみなすべきだと主張した。この基準はほとんどの人を満足させますが、すべての哲学者が満足できるわけではありません。観察者は、機械が模倣する必要をなくすために、I/O 機能を介して機械または人間と対話する必要があります。外観あるいは人間の声。機械と人間の両方の仕事は、観察者に自分自身を人間だと思わせることです。

チューリングテストは片側性です。テストに合格した機械は、たとえ人間を模倣できるほど人間についてよく知らなかったとしても、間違いなく知的であるとみなされるはずです。

ダニエル・デネットの著書「Brainchildren」には、チューリングテストと、AI と主題に関する観察者の知識に制限があるものの、成功裏に実装されたそのさまざまな部分についての優れた議論が記載されています。かなり原始的なプログラムが合理的であると、いとも簡単に納得してしまう人もいるそうです。

AI の目標は人間の知能レベルに到達することですか?

はい。最終的な目標は、人間と同じように問題を解決し、目標を達成できるコンピュータープログラムを作成することです。しかし、狭い分野で研究を行っている科学者は、それほど野心的な目標を設定していません。

人工知能は人間のレベルにどこまで到達するのでしょうか? それはいつ起こりますか?

人間レベルの知能は書くことで達成できる多数のプログラム、および今日知識を表現するために使用されている言語での事実に関する膨大な知識ベースのコレクション。しかし、ほとんどの AI 研究者は、新しい基本的なアイデアが必要であると考えています。したがって、人間レベルの知能がいつ生み出されるのかを予測することは不可能です。

コンピュータはインテリジェントになることができる機械ですか?

コンピューターは、あらゆる種類のマシンをシミュレートするようにプログラムできます。

コンピュータの速度によって、コンピュータはインテリジェントになるのでしょうか?

より高速なコンピューターと新しいアイデアの両方が必要であると考える人もいます。コンピューターは 30 年前でも十分に高速でした。それらをプログラムする方法を知っていれば。

読んで経験から学ぶことで改善できる「子マシン」を作成するのはどうでしょうか?

この考え方は 1940 年代から繰り返し提案されてきました。ついに、それが実装されることになる。しかし、AI プログラムは、子供が人生の中で学ぶことの多くを学習するレベルにはまだ達していません。既存のプログラムは、読むことで多くを学べるほど言語を理解していません。

計算可能性理論と計算複雑性が AI の鍵となるのでしょうか?

いいえ。これらの理論は関連性はありますが、AI の根本的な問題には対処していません。

1930 年代、数理論理学者のクルトゲーデルとアランチューリングは、いくつかの重要な数学分野におけるすべての問題の解決を保証するアルゴリズムは存在しないことを確立しました。たとえば、「一階論理の文は定理ですか」、または「一部の変数の多項式は他の変数の整数解を持ちますか」という趣旨の質問に対する回答です。人間にはこの種の問題を解決する能力があるため、この事実は、コンピュータは本質的に人間と同じことを行うことができないという議論として提唱されてきました。ロジャー・ペンローズもこのことについて語っています。ただし、人間は解決策を保証することはできません任意これらの領域のタスク。

1960 年代に、Steve Cook や Richard Karp などのコンピュータ科学者は、NP 完全問題の領域理論を開発しました。これらの分野の問題は解決可能ですが、明らかに、解決には問題の規模が大きくなるにつれて指数関数的に増大する時間を要します。 NP 完全問題の領域の最も単純な例は、「命題論理のどのステートメントが充足可能か?」という質問です。多くの場合、NP 完全問題の分野では、主要なアルゴリズムで保証されているよりも何倍も速く問題を解決できますが、一般的な場合には迅速に解決することはできません。

AI にとって、問題を解決する際に重要なのは、 アルゴリズムと同じくらい効果的でした 人の心。優れたアルゴリズムが存在するサブフィールドを判断することは重要ですが、多くの AI 問題解決ツールは、簡単に特定できるサブフィールドに分類されません。

一般的なクラスの問題の複雑さの理論は、計算の複雑さと呼ばれます。これまでのところ、この理論は期待されているほど AI と相互作用していません。人間と AI プログラムによる問題解決の成功は、複雑さの研究者も AI コミュニティも正確に定義できない問題の特性と問題解決テクニックに依存しているようです。

互いに独立して開発されたアルゴリズムの複雑さの理論も関連します。 ソロモノフ、コルモゴロフ、チャイティン。これは、シンボリックオブジェクトの複雑さを、それを生成できる最短のプログラムの長さとして定義します。候補プログラムが最短である、またはそれに近いことを証明することは不可能な作業ですが、オブジェクトを生成する短いプログラムでオブジェクトを表現すると、プログラムが最短であることを証明できなくても、問題が解決する場合があります。