AIの定義・性質・歴史について。
一般社団法人生成AI活用普及協会（GUGA）監修「生成AIパスポート テキスト＆問題集」（日本能率協会マネジメントセンター）で学ぶ！
※イラストは、AIツール（DALL-E3）を使用して作成しています。
目次
AIの定義
- AIとは、「Artifidal Intelligence」の略で、日本語で「人工知能」と訳される
- 一般的には、「人間の知能を再現する能力を持ったコンピュータ」と理解される
- ”人間の知能を再現する能力”とは、「知覚」・「認識」・「理解」・「学習」・「問題解決能力」を指す
- 「自ら学習を行い、未知のデータに対しても高い精度で予測できる能力」を有することが求められる
AIの性質
AIとロボットとはどう異なるのか。
AI
ロボット
AIは「脳」、ロボットは「身体」というイメージで考えられており、連携させることで非常に高度なタスクをこなすことができます。
AIの歴史
- AIという言葉・概念
→1956年、「ダートマス会議」で、アメリカの「ジョン・マッカーシー」、「マービン・ミンスキー」、「クロード・シャノン」、「ナサニエル・ロチェスター」らによって初めて言及された - 背景
→第二次世界大戦での暗号解析や軍事研究の複雑な計算の必要性から計算機が発展 - 活用分野（現在）
→機械学習、深層学習、自然言語処理、知識表現、パターン認識など - 活用分野（将来期待）
→自動運転、音声認識、画像認識、医療診断、金融予測など - 「ディープラーニング」という技術の進化により、自然言語処理や画像認識の精度が大幅に向上している
- 「ディープラーニング」とは、コンピュータ内で”考えるための部品”を積み重ねた特別なプログラムを活用し、写真や文字などから”パターン”を見出して学習する機能
- 「GAN（Generative Adversarial Networks）」という、ニューラルネットワークを活かした機械学習を使用し、デザイン・音楽・映像などを自動生成できるようになってきている
- AIの問題点①：人の仕事の喪失の問題（→職業訓練プログラムや新しい雇用機会の創出などの議論が必要）
- AIの問題点②：プライバシーや倫理に関する問題（→倫理的な事項に対するAIの決定に関する問題）
AIの仕組み
ルールベース
- 人間が事前に作成したルール・知識をコンピュータプログラムに組み込み、予測や判断を行う
- 大量のルールが必要なため、管理が困難な面がある
機械学習
- 機械（コンピュータ）自身がデータからパターンを見出し、予測や判断を行う
- 統計的手法やアルゴリズムにより、入力した大量のデータからコンピュータが自ら学習（現在の主流）
| 機械学習の手法 | 内容 |
|---|---|
| 教師あり学習 | 入力データに、正解データのペアを与え、トレーニングする手法 分類・回帰など様々な問題に応用可能 |
| 教師なし学習 | 入力データに正解データのペアを与えず、パターンや構造を自己発見させてトレーニングする手法 ①「クラスタリング」 →パターンやグループへの分類のこと。 データ理解・分析・異常検知に役立つ。 ②「次元削減」 →データの次元（変数）を減らし、必要情報だけ残して他詳細を省き、よりシンプルな形で情報の特徴を認識すること。 データ可視化・解析・計算コスト削減・モデル性能向上に役立つ。 |
| 半教師あり学習 | 少量の正解データ（ラベル付きデータ）を用い、大量の未知データ（ラベルなしデータ）を効率的に学習させる手法 ・メリット：少量の正解データを用意すればよく学習コストを大幅削減できる ・デメリット：偏りが生じ、正確でなく、教師あり学習より精度が低い |
| 強化学習 | 「報酬（目標）」を与え、最適行動を学習させる手法 報酬のために試行錯誤することで学んでいく（最適行動を学習） |
