第9話 グッズレビュー
『人工知能』
今回は 『人工知能』についてレビューします。
昨日、書籍レビュー 『AI白書 2017』でAIに関する書籍をシェア
しましたが、今回はAIが生まれてきた歴史と、ディープラーニング
までの道のりを俯瞰してみます。
次回以降、どこかで、さらに詳しいAIのグッズレビューが出来れば
いいなと考えています。
今すぐ以下の再生ボタンをクリックして下さい。
=> YouTubeで見たい場合はここをクリック
■人工知能
人工知能（英: artificial intelligence、AI）とは、人工的に
コンピューター上などで人間と同様の知能を実現させようという
試み、あるいはそのための一連の基礎技術を指します。
□概要
人工知能は1956年にダートマス会議でジョン・マッカーシーにより
命名されました。
現在では、記号処理を用いた知能の記述を主体とする情報処理や
研究でのアプローチという意味あいでも使われています。
日常語としてのこの呼び名は非常に曖昧なものになっており、
多少気の利いた家庭用電気機械器具の制御システムやゲームソフト
の思考ルーチンなどまでもがこう呼ばれることもあります。
プログラミング言語LISPによる「迷路」というカウンセラーを模倣
したプログラムがしばしば引き合いに出されるますが（人工頭脳）…
計算機に人間の専門家の役割をさせようという「エキスパート
システム」と呼ばれる研究・情報処理システムの実現は、
人間が暗黙に持つ常識の記述が問題となり、実用への利用が
困難視されていた現状があります。
人工的な知能の実現へのアプローチとしては、「ファジィ理論」や
「ニューラルネットワーク」などのようなアプローチも知られて
いますが、従来の人工知能との差は記述の記号的明示性にあると
言えます。
近年では「サポートベクターマシン」が注目を集めました。
また、自らの経験を元に学習を行う強化学習という手法もあります。
「この宇宙において、知性とは最も強力な形質である」（レイ・
カーツワイル）という言葉通り、知性を機械的に表現し実装する
ということは極めて重要な作業であると言えます。
2006年のディープラーニング（深層学習）の登場と2010年以降の
迷路データの登場により、一過性の流行を超えて社会に浸透して
いきました。
2016年から2017年にかけて、ディープラーニングを導入し、囲碁や
将棋のトップ棋士を破り、今や、時代の最先端技術となってきて
います。
□人工知能の2大学派
AIは2つの学派に大別されます。
1つは従来からのAIで、もうひとつは計算知能です。
〇従来からのAI
現在では機械学習と呼ばれている手法を使い、フォーマリズムと
統計分析を特徴としています。これは、記号的AI、論理的AI、
正統派AI、古き良きAI（GOFAI）などと呼ばれます。
その手法としては、以下のようなものがあります。
エキスパートシステム：
推論機能を適用することで結論を得ます。
エキスパートシステムは大量の既知情報を処理し、それらに
基づいた結論を提供することができます。
例えば、過去のMicrosoft Officeには、ユーザが文字列を打ち込む
とシステムはそこに一定の特徴を認識し、それに沿った提案を
するシステムがついていました。
事例ベース推論（CBR）：
その事例に類似した過去の事例をベースにし、部分修正を加え試行
を行い、その結果とその事例を事例ベースに記憶します。
ベイジアン・ネットワーク（英: Bayesian network）：
因果関係を確率により記述するグラフィカルモデルの1つで、複雑
な因果関係の推論を有向非巡回グラフ構造により表すとともに、
個々の変数の関係を条件つき確率で表す確率推論のモデルです。
ネットワークとは重み付けグラフのことで、ジューディア・パール
が1985年に命名しました。
ジューディア・パールはこの研究の功績によりチューリング賞を
受賞しました。
人工知能の分野では、ベイジアンネットワークを確率推論アルゴ
リズムとして1980年頃から研究が進められ、既に長い研究と実用化
の歴史があります。
ふるまいに基づくAI：
AIシステムを一から構築していく手法
〇計算知能(Computational Intelligence, CI)
CIは、人工知能研究の一分野であり、数理論理学に基づく従来的な
人工知能とは一線を画すものです。
計算知能の研究は、ファジィシステムやニューラルネットワークや
進化的計算といったヒューリスティック的アルゴリズムを中心と
します。
その他にも、群知能、フラクタル、カオス理論、人工免疫系、
ウェーブレットといった技法も利用します。
計算知能の研究では、学習や適応や進化やファジィ論理（ラフ集合）
といった要素を駆使して、ある意味で知的なプログラムを作成する
ことを目指しています。
計算知能の研究では、統計的手法を拒絶するものではなく、ファジ
ィシステムのように、しばしば相補的な考え方を提供することも
あります。
ニューラルネットワーク研究は計算知能研究の一部であり、
機械学習と密接に関連しています。
計算知能はソフトコンピューティング、みすぼらしい(scruffy)AI、
コネクショニズムのシステム、およびサイバネティックスと密接
に関連しています。
計算知能は開発や学習を繰り返すことを基本としています。
学習は経験に基づく手法であり、非記号的AI、美しくないAI、
ソフトコンピューティングと関係しています。
その手法としては、以下のものがあります。
ニューラルネットワーク：
非常に強力なパターン認識力を持つシステムで、コネクショニズム
とほぼ同義です。
ファジィ制御：
不確かな状況での推論手法であり、最近の制御システムでは広く
採用されています。
進化的計算：生物学からインスパイアされた手法であり、ある問題
の最適解を進化や突然変異の概念を適用して求めます。
この手法は遺伝的アルゴリズムと群知能に分類されます。
なお、これらを統合した知的システムを作る試みもなされています。
ACT-R（カーネギーメロン大学のジョン・R・アンダーソンを中心
として開発された認知アーキテクチャ）では、エキスパートの推論
ルールを、統計的学習を元にニューラルネットワークや生成規則を
通して生成します。
□人工知能の歴史
〇初期1900年代前半まで
17世紀初め、ルネ・デカルトは、動物の身体がただの複雑な機械
であると提唱しました（機械論）。
ブレーズ・パスカルは1642年、最初の機械式計算機を製作し、
チャールズ・バベッジとエイダ・ラブレスはプログラム可能な
機械式計算機の開発を行いました。
バートランド・ラッセルとアルフレッド・ノース・ホワイトヘッド
は『数学原理』を出版し、形式論理に革命をもたらしました。
ウォーレン・マカロックとウォルター・ピッツは「神経活動に内在
するアイデアの論理計算」と題する論文を1943年に発表し、
ニューラルネットワークの基礎を築きました。
〇1900年代後半
1950年代になるとAIに関して活発な成果が出始めました。
ジョン・マッカーシーはAIに関する最初の会議で「人工知能」
という用語を作り出しました。
彼はまたプログラミング言語LISPを開発しました。
知的ふるまいに関するテストを可能にする方法として、アラン・
チューリングは「チューリングテスト」を導入しました。
ジョセフ・ワイゼンバウムはELIZAを構築しました。
これは来談者中心療法を行うおしゃべりロボットです。
1956年に行われた、ダートマス会議開催の提案書において、
人類史上初めて「人工知能（Artificial Intelligence）」という
用語が使われ、新たな分野として創立されました。
1960年代と1970年代の間に、ジョエル・モーゼスは Macsyma
（マクシマ）プログラム中で積分問題での記号的推論のパワーを
示しました。
マービン・ミンスキーとシーモア・パパートは『パーセプトロン』
を出版して単純なニューラルネットの限界を示し、アラン・カル
メラウアーはプログラミング言語Prologを開発しました。
テッド・ショートリッフェは医学的診断と療法におけるルール
ベースシステムを構築し、知識表現と推論のパワーを示しました。
これは、最初のエキスパートシステムと呼ばれることもあります。
ハンス・モラベツは、散らかされた障害コースを自律的に協議して
走行する最初のコンピューター制御の乗り物を開発しました。
1980年代に、ニューラルネットワークはバックプロパゲーション
アルゴリズムによって広く使われるようになりました。
1990年代はAIの多くの分野で様々なアプリケーションが成果を上げ
特に、チェス専用コンピュータ・ディープ・ブルーは、1997年に
ガルリ・カスパロフを打ち負かしました。
国防高等研究計画局は、最初の湾岸戦争においてユニットを
スケジューリングするのにAIを使い、これによって省かれたコスト
が1950年代以来のAI研究への政府の投資全額を上回ったことを
明らかにしました。
日本では甘利俊一（日本学士院会員）らが精力的に啓蒙し、優秀な
成果も発生しましたが、論理のブラックボックス性が指摘され
ました。
1982年から1992年まで日本は国家プロジェクトとして570億円を
費やす第五世代コンピュータの研究を進めるも、目標である
エキスパートシステムの実現には至らなかったのです。
この時代にロドニー・ブルックスが、この技術には身体が必須
との学説（身体性）を提唱しています。
〇2000年代以降
2005年、レイ・カーツワイルは著作で、「圧倒的な人工知能が
知識・知能の点で人間を超越し、科学技術の進歩を担い世界を
変革する技術的特異点（シンギュラリティ）が2045年にも訪れる」
とする説を発表しました。
2010年代から日本でスーパーコンピュータの研究開発を推進
している斎藤元章により、特異点に先立ち、オートメーション化と
コンピューター技術の進歩により衣食住の生産コストがゼロに
限りなく近づくというプレ・シンギュラリティという概念も
提唱されました。
2010年には質問応答システムのワトソンが、クイズ番組「ジェパ
ディ!」の練習戦で人間に勝利し、大きなニュースとなりました。
2013年には国立情報学研究所や富士通研究所の研究チームが開発
した「東ロボくん」で東京大学入試の模擬試験に挑んだと
発表しました。
ジェフ・ホーキンスが、実現に向けて研究を続けていますが、
著書『考える脳 考えるコンピューター』の中で自己連想記憶理論
という独自の理論を展開しています。
世界各国において、軍事・民間共に実用化に向け研究開発が進んで
いますが、とくに無人戦闘機UCAVや無人自動車ロボットカーの開発
が進行しているものの、完全な自動化には至っていません。
またロボット向けとしては、CSAILのロドニー・ブルックスが提唱
した包摂アーキテクチャという理論が登場しています。
これは従来型の「我思う、故に我あり」の知が先行するものでは
なく体の神経ネットワークのみを用いて環境から学習する行動型
システムを用いています。
これに基づいたゲンギスと呼ばれる六本足のロボットは、いわゆる
「脳」を持たないにも関わらず、まるで生きているかのように
行動します。
2016年3月に米Googleの子会社DeepMindが作成した「AlphaGo」が
人間のプロ囲碁棋士に勝利して以降はディープラーニングと
呼ばれる手法が注目され、人工知能自体の研究の他にも、人工知能
が雇用などに与える影響についても研究が進められています。
2016年6月、米シンシナティ大学の研究チームが開発した「ALPHA」
は、元米軍パイロットとの模擬空戦で一方的に勝利したと発表され
ました。
AIプログラムは遺伝的アルゴリズムとファジィ制御を使用しており、
アルゴリズムの動作に高い処理能力は必要とせず、Raspberry Pi
（シングルボードコンピュータ）で動作可能です。
2016年10月、DeepMindが、入力された情報の関連性を導き出し仮説
に近いものを導き出す人工知能技術「ディファレンシャブル・
ニューラル・コンピューター」を発表し、同年11月、大量のデータ
が不要の「ワンショット学習」を可能にする深層学習システムを、
翌2017年6月、関係推論のような人間並みの認識能力を持つシステム
を開発しました。
X-Buddha Goldに興味のある人
今すぐここをクリック
https://naturalsuccess.jp/XBuddha/gold/special/#A5MdJ8
今回は 『人工知能』についてレビューします。
昨日、書籍レビュー 『AI白書 2017』でAIに関する書籍をシェア
しましたが、今回はAIが生まれてきた歴史と、ディープラーニング
までの道のりを俯瞰してみます。
次回以降、どこかで、さらに詳しいAIのグッズレビューが出来れば
いいなと考えています。
今すぐ以下の再生ボタンをクリックして下さい。
=> YouTubeで見たい場合はここをクリック
■人工知能
人工知能（英: artificial intelligence、AI）とは、人工的に
コンピューター上などで人間と同様の知能を実現させようという
試み、あるいはそのための一連の基礎技術を指します。
□概要
人工知能は1956年にダートマス会議でジョン・マッカーシーにより
命名されました。
現在では、記号処理を用いた知能の記述を主体とする情報処理や
研究でのアプローチという意味あいでも使われています。
日常語としてのこの呼び名は非常に曖昧なものになっており、
多少気の利いた家庭用電気機械器具の制御システムやゲームソフト
の思考ルーチンなどまでもがこう呼ばれることもあります。
プログラミング言語LISPによる「迷路」というカウンセラーを模倣
したプログラムがしばしば引き合いに出されるますが（人工頭脳）…
計算機に人間の専門家の役割をさせようという「エキスパート
システム」と呼ばれる研究・情報処理システムの実現は、
人間が暗黙に持つ常識の記述が問題となり、実用への利用が
困難視されていた現状があります。
人工的な知能の実現へのアプローチとしては、「ファジィ理論」や
「ニューラルネットワーク」などのようなアプローチも知られて
いますが、従来の人工知能との差は記述の記号的明示性にあると
言えます。
近年では「サポートベクターマシン」が注目を集めました。
また、自らの経験を元に学習を行う強化学習という手法もあります。
「この宇宙において、知性とは最も強力な形質である」（レイ・
カーツワイル）という言葉通り、知性を機械的に表現し実装する
ということは極めて重要な作業であると言えます。
2006年のディープラーニング（深層学習）の登場と2010年以降の
迷路データの登場により、一過性の流行を超えて社会に浸透して
いきました。
2016年から2017年にかけて、ディープラーニングを導入し、囲碁や
将棋のトップ棋士を破り、今や、時代の最先端技術となってきて
います。
□人工知能の2大学派
AIは2つの学派に大別されます。
1つは従来からのAIで、もうひとつは計算知能です。
〇従来からのAI
現在では機械学習と呼ばれている手法を使い、フォーマリズムと
統計分析を特徴としています。これは、記号的AI、論理的AI、
正統派AI、古き良きAI（GOFAI）などと呼ばれます。
その手法としては、以下のようなものがあります。
エキスパートシステム：
推論機能を適用することで結論を得ます。
エキスパートシステムは大量の既知情報を処理し、それらに
基づいた結論を提供することができます。
例えば、過去のMicrosoft Officeには、ユーザが文字列を打ち込む
とシステムはそこに一定の特徴を認識し、それに沿った提案を
するシステムがついていました。
事例ベース推論（CBR）：
その事例に類似した過去の事例をベースにし、部分修正を加え試行
を行い、その結果とその事例を事例ベースに記憶します。
ベイジアン・ネットワーク（英: Bayesian network）：
因果関係を確率により記述するグラフィカルモデルの1つで、複雑
な因果関係の推論を有向非巡回グラフ構造により表すとともに、
個々の変数の関係を条件つき確率で表す確率推論のモデルです。
ネットワークとは重み付けグラフのことで、ジューディア・パール
が1985年に命名しました。
ジューディア・パールはこの研究の功績によりチューリング賞を
受賞しました。
人工知能の分野では、ベイジアンネットワークを確率推論アルゴ
リズムとして1980年頃から研究が進められ、既に長い研究と実用化
の歴史があります。
ふるまいに基づくAI：
AIシステムを一から構築していく手法
〇計算知能(Computational Intelligence, CI)
CIは、人工知能研究の一分野であり、数理論理学に基づく従来的な
人工知能とは一線を画すものです。
計算知能の研究は、ファジィシステムやニューラルネットワークや
進化的計算といったヒューリスティック的アルゴリズムを中心と
します。
その他にも、群知能、フラクタル、カオス理論、人工免疫系、
ウェーブレットといった技法も利用します。
計算知能の研究では、学習や適応や進化やファジィ論理（ラフ集合）
といった要素を駆使して、ある意味で知的なプログラムを作成する
ことを目指しています。
計算知能の研究では、統計的手法を拒絶するものではなく、ファジ
ィシステムのように、しばしば相補的な考え方を提供することも
あります。
ニューラルネットワーク研究は計算知能研究の一部であり、
機械学習と密接に関連しています。
計算知能はソフトコンピューティング、みすぼらしい(scruffy)AI、
コネクショニズムのシステム、およびサイバネティックスと密接
に関連しています。
計算知能は開発や学習を繰り返すことを基本としています。
学習は経験に基づく手法であり、非記号的AI、美しくないAI、
ソフトコンピューティングと関係しています。
その手法としては、以下のものがあります。
ニューラルネットワーク：
非常に強力なパターン認識力を持つシステムで、コネクショニズム
とほぼ同義です。
ファジィ制御：
不確かな状況での推論手法であり、最近の制御システムでは広く
採用されています。
進化的計算：生物学からインスパイアされた手法であり、ある問題
の最適解を進化や突然変異の概念を適用して求めます。
この手法は遺伝的アルゴリズムと群知能に分類されます。
なお、これらを統合した知的システムを作る試みもなされています。
ACT-R（カーネギーメロン大学のジョン・R・アンダーソンを中心
として開発された認知アーキテクチャ）では、エキスパートの推論
ルールを、統計的学習を元にニューラルネットワークや生成規則を
通して生成します。
□人工知能の歴史
〇初期1900年代前半まで
17世紀初め、ルネ・デカルトは、動物の身体がただの複雑な機械
であると提唱しました（機械論）。
ブレーズ・パスカルは1642年、最初の機械式計算機を製作し、
チャールズ・バベッジとエイダ・ラブレスはプログラム可能な
機械式計算機の開発を行いました。
バートランド・ラッセルとアルフレッド・ノース・ホワイトヘッド
は『数学原理』を出版し、形式論理に革命をもたらしました。
ウォーレン・マカロックとウォルター・ピッツは「神経活動に内在
するアイデアの論理計算」と題する論文を1943年に発表し、
ニューラルネットワークの基礎を築きました。
〇1900年代後半
1950年代になるとAIに関して活発な成果が出始めました。
ジョン・マッカーシーはAIに関する最初の会議で「人工知能」
という用語を作り出しました。
彼はまたプログラミング言語LISPを開発しました。
知的ふるまいに関するテストを可能にする方法として、アラン・
チューリングは「チューリングテスト」を導入しました。
ジョセフ・ワイゼンバウムはELIZAを構築しました。
これは来談者中心療法を行うおしゃべりロボットです。
1956年に行われた、ダートマス会議開催の提案書において、
人類史上初めて「人工知能（Artificial Intelligence）」という
用語が使われ、新たな分野として創立されました。
1960年代と1970年代の間に、ジョエル・モーゼスは Macsyma
（マクシマ）プログラム中で積分問題での記号的推論のパワーを
示しました。
マービン・ミンスキーとシーモア・パパートは『パーセプトロン』
を出版して単純なニューラルネットの限界を示し、アラン・カル
メラウアーはプログラミング言語Prologを開発しました。
テッド・ショートリッフェは医学的診断と療法におけるルール
ベースシステムを構築し、知識表現と推論のパワーを示しました。
これは、最初のエキスパートシステムと呼ばれることもあります。
ハンス・モラベツは、散らかされた障害コースを自律的に協議して
走行する最初のコンピューター制御の乗り物を開発しました。
1980年代に、ニューラルネットワークはバックプロパゲーション
アルゴリズムによって広く使われるようになりました。
1990年代はAIの多くの分野で様々なアプリケーションが成果を上げ
特に、チェス専用コンピュータ・ディープ・ブルーは、1997年に
ガルリ・カスパロフを打ち負かしました。
国防高等研究計画局は、最初の湾岸戦争においてユニットを
スケジューリングするのにAIを使い、これによって省かれたコスト
が1950年代以来のAI研究への政府の投資全額を上回ったことを
明らかにしました。
日本では甘利俊一（日本学士院会員）らが精力的に啓蒙し、優秀な
成果も発生しましたが、論理のブラックボックス性が指摘され
ました。
1982年から1992年まで日本は国家プロジェクトとして570億円を
費やす第五世代コンピュータの研究を進めるも、目標である
エキスパートシステムの実現には至らなかったのです。
この時代にロドニー・ブルックスが、この技術には身体が必須
との学説（身体性）を提唱しています。
〇2000年代以降
2005年、レイ・カーツワイルは著作で、「圧倒的な人工知能が
知識・知能の点で人間を超越し、科学技術の進歩を担い世界を
変革する技術的特異点（シンギュラリティ）が2045年にも訪れる」
とする説を発表しました。
2010年代から日本でスーパーコンピュータの研究開発を推進
している斎藤元章により、特異点に先立ち、オートメーション化と
コンピューター技術の進歩により衣食住の生産コストがゼロに
限りなく近づくというプレ・シンギュラリティという概念も
提唱されました。
2010年には質問応答システムのワトソンが、クイズ番組「ジェパ
ディ!」の練習戦で人間に勝利し、大きなニュースとなりました。
2013年には国立情報学研究所や富士通研究所の研究チームが開発
した「東ロボくん」で東京大学入試の模擬試験に挑んだと
発表しました。
ジェフ・ホーキンスが、実現に向けて研究を続けていますが、
著書『考える脳 考えるコンピューター』の中で自己連想記憶理論
という独自の理論を展開しています。
世界各国において、軍事・民間共に実用化に向け研究開発が進んで
いますが、とくに無人戦闘機UCAVや無人自動車ロボットカーの開発
が進行しているものの、完全な自動化には至っていません。
またロボット向けとしては、CSAILのロドニー・ブルックスが提唱
した包摂アーキテクチャという理論が登場しています。
これは従来型の「我思う、故に我あり」の知が先行するものでは
なく体の神経ネットワークのみを用いて環境から学習する行動型
システムを用いています。
これに基づいたゲンギスと呼ばれる六本足のロボットは、いわゆる
「脳」を持たないにも関わらず、まるで生きているかのように
行動します。
2016年3月に米Googleの子会社DeepMindが作成した「AlphaGo」が
人間のプロ囲碁棋士に勝利して以降はディープラーニングと
呼ばれる手法が注目され、人工知能自体の研究の他にも、人工知能
が雇用などに与える影響についても研究が進められています。
2016年6月、米シンシナティ大学の研究チームが開発した「ALPHA」
は、元米軍パイロットとの模擬空戦で一方的に勝利したと発表され
ました。
AIプログラムは遺伝的アルゴリズムとファジィ制御を使用しており、
アルゴリズムの動作に高い処理能力は必要とせず、Raspberry Pi
（シングルボードコンピュータ）で動作可能です。
2016年10月、DeepMindが、入力された情報の関連性を導き出し仮説
に近いものを導き出す人工知能技術「ディファレンシャブル・
ニューラル・コンピューター」を発表し、同年11月、大量のデータ
が不要の「ワンショット学習」を可能にする深層学習システムを、
翌2017年6月、関係推論のような人間並みの認識能力を持つシステム
を開発しました。
X-Buddha Goldに興味のある人
今すぐここをクリック
https://naturalsuccess.jp/XBuddha/gold/special/#A5MdJ8