SENABLOG

フットワークの軽い旅好き歯学部生によるブログ

もはや常識?!人工知能について勉強してみた②【人工知能のこれまで、フレーム問題、ディープラーニング】

スポンサーリンク

 人工知能とは「人間の知能をコンピュータなどで再現しようとする技術」のことでした。

 今回は人工知能について掘り下げて勉強してみました!

人工知能のこれまで

以下のような3回のブームがあるそうです。

f:id:shimisena:20171022002200j:plain

第1次ブーム(1950年代後半~1960年代)

迷路やパズルを解いたり、難しい定理を証明する人工知能が登場し、世界で注目された。ところが現実の課題解決には使えない弱い側面があり、ブームは冬の時代に。

第2次ブーム(1980年代)

コンピュータに知識を入れ、様々なことに対応出来るシステムは出来るが、知識を記述、管理すること、膨大なデジタルデータを取り扱うことが難しいため、1995年ごろから再び冬の時代に。

第3次ブーム(現在) 

(1)深層学習による機械学習情報科学

(2)ビッグデータの普及

(3)高度な処理をリアルタイムに実現することができるようになったこ

(4)ディープラーニング用いた、ワトソンや将棋のプロジェクトのような印象的なプロジェクトの発足

(5)人工知能の影響力や脅威の伝達

(6)スティーブン・ホーキング博士や実業家のイーロン・マスク氏ら著名人が「人工知能は人類を滅ぼすのではないか」と懸念を表明された)

人工知能最大の難問「フレーム問題」とは

1969年にマッカーシーとヘイズが指摘したのがフレーム問題です。

今からしようとしていることに関係のある事柄だけを選び出すことが実は非常に難しいという問題

どうでしょう?イメージつきますか?

ちょっと分かりにくいので、具体例を挙げて説明します。

今、「爆弾が仕掛けられている部屋から貴重な美術品を取り出す」という任務があります。

そこで、人間の代わりに危険な作業をするロボットである「安全くん1号」

「安全くん2号」「安全くん3号」があります。

f:id:shimisena:20171022004700g:plain

安全くん1号は美術品の入った台車を押して美術品をとってきたが、不幸なことに爆弾は台車にしかけられていたので,安全くんは爆発に巻き込まれてしまいました.

安全くん1号が,美術品を取り出すために荷車を押せばよいということは理解していたものの,そのことによって,爆弾も一緒に取り出してしまうということは分からなかったため。

安全くん2号は考えすぎたせいで時間切れで時限爆弾が爆発。

安全くん3号は目的を遂行する前に無関係な事項は考慮しないように改良されました。しかし、関係あることと無いことを仕分ける作業に没頭しすぎてしまいました。

「壁の色は目的と無関係?天井は落ちるかどうかが無関係?」 

目的と無関係な事項も無限にあるため、それらをすべて考慮することに無限の時間がかかったということです。

このように関係している事柄だけを抽出するのは非常に難しいのです。

機械学習ディープラーニング(深層学習)

機械学習とは

f:id:shimisena:20171022004551j:plain

「コンピューターが(実社会やウェブ上に存在する)大量のデータを解析し、そこからビジネスに役立つ何らかのパターンを抽出する」技術(「AIの衝撃 人工知能は人類の敵か」小林雅一著)

本来であれば人間が学習してパターン、規則、関係などの特徴を見つけ出すわけですが、これと同様のことをコンピューターのソフトウェアによって実現させようとしているのが「機械学習(Machine Learning)」です。

私たちの日常生活や社会活動には、様々な「パターン(規則性)」が組み込まれています。それは、予め人間によって定められた規則やルールに従って生みだされる場合もあります。しかし、何かパターンはありそうだが、それがどのようなものなのか分からない、あるいは、パターンの存在そのものに気付かないといったこともあります。

ディープラーニングとは

f:id:shimisena:20171022004459j:plain

ディープラーニング」とは、システムがデータの特徴を学習して事象の認識や分類を行う「機械学習」の手法の一つです。

データの特徴をより深いレベルで学習し、非常に高い精度で特徴を認識できるため、人の声の認識や、カメラで撮影した画像の認識などで応用が期待されています。

脳の神経回路にヒントを得た「ニューラルネットワーク」をベースにした手法であり、回路の中間部分を多層からなる構成にすることで、データの特徴を多段階でより深く学習します。近年、画期的な学習手法が開発されたことで、データの特徴をより深いレベルで学習することが可能となり、また、コンピュータの処理能力が向上したことで実用的な時間で処理が可能となりました。また機械学習では学習するデータが必要になりますが、大量かつ多様なデータをインターネットで得られるようになったこともディープラーニングの実用化に寄与しています。

従来の機械学習と大きく異なる点が2点ある。

1つは、1層ずつ階層ごとに学習していく点。もう一つは、自己符号化器(オートエンコーダー)という「情報圧縮器」を用いること。

オートエンコードについてはこちらのサイトに詳しく書いてありました。