様々な業界で注目されている人工知能（AI）。そんなAIの技術や応用にどのようなものがあるのか紹介します。
また、人工知能の倫理的問題にも触れますので、人工知能に興味のある方は参考にしてください。
人工知能（AI）とは何か
人工知能は英語でArtificial Intelligenceといい、頭文字をとってAIとされています。しかし、一口に人工知能といっても定義や概念はバラバラなのはご存じでしょうか。
人工知能は多くの人にとってどのように解釈しているのか、人工知能を大別するとどのように分類できるのか解説します。
人工知能の多角的な解釈
人工知能を研究している方達はどのように解釈しているのかというと、以下の表のようになります。
| 国立情報学研究所教授 武田英明 | 人工的につくられた、知能を持つ実体。あるいはそれをつくろうとすることによって知能自体を研究する分野である |
| 京都大学大学院 情報学研究科教授 西田豊明 | 「知能を持つメカ」ないしは「心を持つメカ」である |
| 東京大学大学院 工学系研究科教授 堀浩一 | 人工的につくる新しい知能の世界である |
このように教授の間でも人工知能の解釈が異なるのが実情です。そのため、一口に人工知能といってもイメージしている人工知能が異なるといったことも出てきてしまいます。
特化型AIと汎用型AI
各々によって人工知能の解釈が異なったとしても、人工知能の大別は可能です。
人工知能は「特化型AI」と「汎用型AI」に大別できます。
| 特化型AI | 限定された分野において人間のように問題を処理できる人工知能 |
| 汎用型AI | 人間と同じように様々な分野に対して問題を処理できる人工知能 |
自動運転できる人工知能や画像生成ができる人工知能、文章を執筆できる人工知能と各分野に特化したものはありますが、人間のように運転も絵を描くことも執筆もできる人工知能は完成されていません。
このように何でもできる人工知能をAGI（Artificial General Intelligence）と呼び、今後の開発に期待が寄せられています。
AIの進化の歴史
今でこそ人工知能の研究が盛んに行われ私達の生活に役立つのでは？という期待感がありますが、人工知能の研究が下火になった冬の時代もありました。
現在の人工知能と過去の人工知能でどのような違いがあるのか、過去に人工知能の研究が盛り上がった時代背景、何が問題となったのかなどを解説します。
AIの第一世代から現在まで
現在の人工知能は「第3次AIブーム」と呼ばれ、過去に2回のAIブームがありました。
1950年代に始まった第1次AIブームは人工知能の研究が本格的に始まった時期でした。
その後、20年程続いたAIブームは段々と下火になっていき、1回目の冬の時代を迎えます。
そんな冬の時代の中、第2次AIブームが始まったのは1980年代。エキスパートシステムの開発によって新たなAIブームが始まりますが、10年後にはまた冬の時代に入ってしまいます。
三度目の正直となる第3次AIブームはディープラーニングが開発されたことをきっかけに盛り上がり、現在に繋がっています。
AIの主な研究分野とその時代背景
人工知能が3回のAIブームを経て現在に繋がっていますが、なぜ各AIブームが盛り上がって、冬の時代を迎えたのでしょうか。
それは各時代のAIブームで主役となった研究分野で新技術が出たことと、研究が頭打ちになったこと、ハード面がおいついていなかったことに起因します。
| 第1次AIブーム | パーセプトロンと呼ばれる技術が主流になり、推論や探索といった分野で人工知能研究が行われる |
| 1回目の冬の時代 | ルールが定められている問題しか解けないといった問題にぶつかる |
| 第2次AIブーム | エキスパートシステムという技術が主流になり、多くの知識を取り入れることで答えを導く人工知能研究が盛んになる |
| 2回目の冬の時代 | 多くの知識を取り入れるハードが高価なため、コスト高となってしまう |
| 第3次AIブーム | ディープラーニングや機械学習が盛んに研究されるようになる |
第3次AIブームが起こった2010年代以降はコンピュータのパワーがこれまでのAIブーム時とは段違いとなり、多くのデータを処理できるハードがありました。
大量のデータを処理できるソフトとハードがそろったことで、大きな成果が出たのが第3次AIブームと言えるでしょう。
しかし、そんな第3次AIブームも当初の「シンギュラリティがくる」、「全人類の仕事が奪われる」という途方もない期待感を抱いていた頃から比較すると下降ぎみであり、冬の時代と言えないまでも次の革新的な技術が待たれる状況です。
AIの主要技術
現在、人工知能の主要技術となっているのが「ディープラーニング」です。ディープラーニングという技術はどういうものか？その他の機械学習やニューラルネットワークとはどういうものか紹介します。
ディープラーニングとは何か
ディープラーニングは従来の機械学習ではできなかった自動で特徴量を見つけ出して、出力することが可能なアルゴリズムです。
例えば猫の写真を判別するディープラーニングでは様々な猫の写真から勝手に猫の特徴を探し出し、猫がどういうものか見極めます。
これまでは人間が猫の特徴を人工知能に教えていましたが、人工知能自体が猫の特徴を判別するに至ったのです。
機械学習とニューラルネットワーク
ディープラーニングの他にも人工知能の主要技術となっているものはたくさんあります。そんな主要技術の中でも重要なのが「機械学習」と「ニューラルネットワーク」です。
| 機械学習 | 大量のデータをコンピュータが分析すること |
| ニューラルネットワーク | 大量のデータをコンピュータが分析すること |
機械学習で大量のデータを分析、ニューラルネットワークで情報の重みをつけるといった技術がディープラーニングの基礎となっています。
倫理の課題と未来
人工知能は人間社会をより豊かにしてくれる期待が持てる一方、多くの課題も残されています。
人工知能が抱える課題とは？倫理的な問題や将来どのように人工知能と関わったらよいのか解説します。
AIがもたらす社会的、倫理的課題
人工知能がもたらしている社会的、倫理的な課題は以下になります。
| 社会的課題 | 人工知能によって仕事が奪われる問題 |
| 倫理的課題 | 人工知能の学習データ取得による個人情報の問題 |
第3次AIブームが始まった当初はシンギュラリティが到来し、仕事が奪われるなど人間の生活に大きな影響を及ぼすのではないかと予想されました。
人工知能が進化していくと、我々の生活の一部である仕事が大きく変化する可能性があり、なくなった仕事に従事していた方は他の仕事に移らなければいけないといった社会的課題が発生することが予想されます。
また、倫理的課題としては人工知能を作成する際に必要な大量のデータに起因します。
例えば、画像生成AIに使われている画像データは作者が許可をだしたものだけでなく、違法にアップロードされた画像も大量に含んでいます。
そのため、出力された画像が許諾をだしていない方の画風に似ているといった問題が発生しています。
このように人工知能作成時のデータを勝手に持ってきていいのかといった倫理的課題も発生しているのが現状です。
AIの未来予測
人工知能の社会的課題で解説したように人間の仕事は全て失われた訳ではありません。しかし、人工知能の進化は凄まじいものがあり、今後仕事が奪われる未来が訪れるかもしれません。
そんな未来が到来することを恐れるのではなく、「いかに人工知能を使うか、作るか」といったところに視点を換える必要があるでしょう。
人工知能を恐れず、上手く利用することで、仕事の生産性を高めたり、生活を豊かにしたりすることが大切です。
