7,498 文字
私たちがどこから来たかを知ることで、どこに向かうのかをよりよく理解できるかもしれません。そして、もし機械が計算するだけでなく思考することもできるとしたら。この疑問は新しいものではありません。電気やコンピューターが存在するずっと以前から、人類の歴史を貫いてきたのです。
13世紀という早い時期に、レイムンド・ルルのような哲学者は、概念を組み合わせて新しい知識を生成できる機械を想像していました。これは一種の思考の自動化でした。その後、17世紀にはルネ・デカルトが心身二元論において、根本的な問題を提起しました。純粋に物質的な機械が、非物質的であるはずの思考にどのようにしてアクセスできるのか。この疑問は知性の本質そのものについての考察を刺激しました。
同じ流れで、ゴットフリート・ヴィルヘルム・ライプニッツは普遍的計算を夢見ていました。単純な計算によって、あらゆる論争を解決できる論理システムです。推論を計算に還元するというこのアイデアは、AIにとって重要な基盤となります。
しかし、この夢は先見の明を持つ人々によって少しずつ具体化されていきました。1800年代に、チャールズ・バベッジは驚くべき機械の設計図を考案しました。それが解析機関です。これは現代のコンピューターの概念的な祖先で、命令を実行し結果を保存する能力を持っていました。
そして、エイダ・ラブレスという存在がありました。彼女は優秀な数学者で、バベッジの協力者でした。まさに彼女は単純な計算を超えた展望を持っていました。彼女は機械によって実行される最初のアルゴリズムとしてしばしば考えられているものを記述しました。彼女のビジョンは大胆でした。解析機関がいつの日か音楽を作曲し、グラフィックを作成できると想像していたのです。単なる数字以上のものを。AIは彼女とともに始まったと言う人もいます。
しかし真の誕生は、AIが独立した学問分野となった瞬間は、20世紀のずっと後になってから、今でも響く名前とともに訪れました。アラン・チューリングです。理論計算機科学とAIの創始者の一人と考えられているチューリングは基礎を築きました。彼はチューリング機械、つまり私たちの現代のすべてのコンピューターの基盤となる理論的概念を想像しました。
そして彼は重要な洞察を得ました。この機械は自分自身の命令を修正できるということです。これは機械学習への道を開きました。1950年に、彼は有名なチューリングテストを提案しました。機械が人間の会話を説得力を持って模倣できるかどうかを評価する簡潔な方法で、実際に思考するということが何を意味するのかという複雑な議論を回避するものでした。そして彼の大胆な予測を忘れてはいけません。いつの日かコンピューターが非常に高いレベルでチェスをプレイするようになるという予測です。
もしAIの話題にご興味があり、この動画をお気に入りいただけましたら、下の親指マークをクリックし、まだでしたらチャンネル登録をして、次の動画をお知らせする通知ベルを有効にすることで、このチャンネルの発展を支援していただけます。ありがとうございます。
チューリングがある意味でAIの最初の黄金時代を開始したと言えるでしょう。そして新しいアイデアの気候の中で、1956年の夏に重要な出来事が開催されました。15人ほどの科学者が米国のダートマス大学に集まりました。長いブレインストーミングセッションのようなワークショップで、人工知能という用語がジョン・マッカーシーによって正式に作り出されました。
思い出していただきたいのは、ここでいう「知能」という用語は英語圏での意味、つまりデータの収集という意味で、例えば中央情報局（CIA）の場合のようなものです。この識別、分類、計算の知能は、理性的と呼べるものですが、人間の知能の3分の1しか表していません。人間の知能は目標設定のような目的論的知能や、価値選択のような道徳的知能も持っているのです。
この簡潔な説明により、基本概念がよりよく理解できるのではないでしょうか。とはいえ、その野心は非常に大きなものでした。参加者たちは人間の知能のあらゆる側面を正確に記述し、それを機械上でシミュレートできると確信していました。彼らは言語を使用し、概念を形成し、複雑な問題を解決し、自己改善できる機械を作りたいと考えていました。
これが1956年から1974年まで続いた、いわゆるAIの黄金時代の始まりでした。初期の成功は溢れんばかりの楽観主義を育みました。ニューウェルとサイモンの論理学者のような数学定理を証明できるプログラムの誕生を見ました。アーサー・サミュエルは自分の間違いから学習し、良いアマチュアレベルに達するチェッカーゲームプログラムを作成しました。
ジョセフ・ワイゼンバウムはELIZAを開発しました。これはセラピストとの会話をシミュレートする簡単なプログラムでした。それが単なる錯覚だったとしても、公衆の認識に強い印象を与えました。Shakey SRIのような、推論し単純な環境をナビゲートできるロボットが登場しました。
マービン・ミンスキーのような重要人物がニューラルネットワークを探求し、ジョン・マッカーシーはLISPを開発しました。これはAI研究の好ましい言語となりました。特に政府機関からの資金が流入していました。しかし道のりは先駆者たちが期待したほど単純ではありませんでした。
現実の問題は実験室のミクロ世界よりもはるかに複雑でした。すぐに痛ましい限界が現れました。例えば最初の機械翻訳システムは、意味的障壁と呼ばれるものに直面し、しばしば不条理な結果を生み出しました。1966年の影響力のある報告書は進歩を厳しく批判し、予算削減を引き起こしました。
その間、数学者のマービン・ミンスキーとシーモア・パパートは1969年に書籍を出版し、初期のニューラルネットワークモデルであるパーセプトロンの根本的限界を実証しました。この批判は、より複雑なネットワークには適用されませんでしたが、コネクショニスト研究に冷や水を浴びせました。
当時の計算能力も大きな障害でした。これらの困難に直面して、1960年代に行われた壮大な約束は、発表されたスケジュール通りには実現されませんでした。英国と米国で資金が劇的に引き上げられ始めました。
これが1974年から1980年頃まで続いた、AIの最初の冬でした。幻滅、減速、そしてこの分野に対する否定的な認識の時期でした。しかしAIは死んでいませんでした。
1980年代初頭、エキスパートシステムとともに新しい息吹が到来しました。アイデアは、非常に特定の分野で人間の専門家の推論と意思決定を模倣できるプログラムを作成することでした。印象的な成功を見ました。分子構造を特定できるDENDRAL、血液感染を診断できるMYCIN、コンピューターシステムを構成するために使用されるXCONなどです。
一時期、これは1980年から87年まで真のAIブームを生み出しました。企業が設立され、投資が流入しました。日本は第5世代コンピューターの非常に野心的な国家プロジェクトを開始し、世界的な研究を刺激しました。これらのプログラムを実行するために最適化された専用LISPマシンの時代でした。
AIは計画、制御のための産業、詐欺検出やクレジット評価のための金融、さらには物流において実用的な応用を見つけ始めました。しかし栄光は短命でした。現実世界の複雑さが再びAIを追い越しました。エキスパートシステムは構築に費用がかかり、特に維持と更新が非常に困難でした。
それらは脆弱で、非常に狭い知識領域以外では機能できませんでした。人間の専門家から知識を抽出してコード化することは、遅く困難なプロセスでした。同時に、より安価で強力な新しいワークステーションがLISPマシンを時代遅れにしました。市場は崩壊しました。
これが1987年から1993年頃まで続いた、AIの第2の冬でした。新たな予算削減が続きました。しかし1980年代後半から1990年代にかけて、重要な進歩がありました。
ヤン・ルカンは1989年に手書きの数字を認識できる最初の畳み込みニューラルネットワークを開発しました。これは郵便番号の読み取りの産業利用につながり、1996年からは銀行での小切手読み取りに使用されました。銀行は詐欺的な小切手を特定するためにAIを使用しました。
OCR技術は、はるかに古く1929年にグスタフ・タウシェクによって発明されましたが、1930年代から1950年代にかけてモールス信号でのテキスト読み取りに使用され、その後クーポンや住所の数字化に使用されました。1990年代には、OCRは本の数字化や、金融、健康、政府部門でのデータ入力の自動化に広く使用されていました。
これらの興奮と幻滅のサイクルの後、1990年代と2000年代初頭は重要な転換点を迎えました。研究者たちは自分たちの間違いから学びました。一般知能の目標は脇に置かれ、より実用的なアプローチである機械学習に取って代わられました。
すべてを手動でコーディングするのではなく、機械にデータから直接学習させるという考えです。そしてまさにインターネットの出現により、データが前例のない量で流入し始めました。ビッグデータを覚えていますね。
この時期に、現在では古典的となったアルゴリズムが開発され、応用されました。分類のための決定木、テキスト分類などのタスクに非常に効果的なサポートベクターマシン（SVM）です。より良い精度のために複数のモデルを組み合わせるランダムフォレストのような技術も生まれました。
機械学習を通じたAIは、控えめながらも確実に私たちの日常生活に浸透し始めました。迷惑メールを認識することを学んだ最初のスパムフィルターや、ページランクのような洗練されたアルゴリズムを使用してページをより良くランク付けする検索エンジンを考えてみてください。
AIはビデオゲームでも進化し続けました。パックマンの幽霊に追われることは決してありませんでしたが、その巧妙なAIが各幽霊に個性を与えたり、エリートの宇宙船が最初はあまりにも知的で、ゲームを不可能にしないよう簡素化しなければならなかったりしました。
シムズのようなゲームは、創発的な行動を持つ自律的なキャラクターを導入しました。F.E.A.R.は敵の戦術的AIで印象を与え、S.T.A.L.K.E.R.は非常に高度なAIを持ち、常にプレイヤーを驚かせていました。
そして大きな公的マイルストーンがありました。1997年に、ディープブルーと名付けられたIBMのスーパーコンピューターが世界チェス チャンピオンのガルリ・カスパロフを破りました。これは人間の知性の最後の砦の一つに対する計算能力と検索アルゴリズムの印象的な実証でした。世界は注目しました。機械が複雑な分野で信じられないほど高性能になっていたのです。しかしこれは序章に過ぎませんでした。
2000年代半ばに、真の完璧な嵐が準備されました。3つの重要な要素が同時に成熟し、進歩の爆発的な条件を作り出しました。
第一に、大量データの爆発、ビッグデータです。インターネット、ソーシャルネットワーク、センサー、デジタル世界が前例のないデータ量を生成しました。学習モデルに不可欠な燃料です。
第二に、特にグラフィックプロセッサ（GPU）のおかげで、驚異的な計算能力がアクセス可能になりました。もともとビデオゲーム用に設計されたGPUが、ニューラルネットワークの訓練に必要な並列計算に完璧であることが判明しました。
第三に、特により大きく深いニューラルネットワークを訓練するための技術の再発見と改良など、重要なアルゴリズムの進歩がありました。これが深層学習、ディープラーニングの革命です。
多くの隠れ層を持つニューラルネットワークを使用して、AIは信じられない能力を獲得しました。畳み込みニューラルネットワーク（CNN）は、画像内の階層的パターンを特定することで見ることを学びました。それらを、最初に線、次に形、次に物体を検出するフィルターのように想像してください。それらはコンピュータービジョンを革命化しました。
統合された記憶を持つ再帰ニューラルネットワーク（RNN）は、言語のような配列の処理に優れていました。各単語が前の単語との関連で理解される文章を読むことを考えてみてください。
そして2017年に注意メカニズムを持つTransformerが登場しました。それらは配列のすべての要素を並列に処理し、比類のない精密さでコンテキストを理解できます。単語を理解するために、モデルが文章内のどこにあろうと、すべての他の重要な単語を瞬時に見ることができるようなものです。
そして最近、AIは創造者になりました。これは生成的AIの時代です。AIは今や新しく独創的なコンテンツを生産できます。敵対的生成ネットワーク（GAN）は、2つのネットワークが対戦する方法を示しました。一方が偽物を作成し、もう一方がそれらを暴露しようとします。これは絶えず互いを改善する贋作者と探偵のようなものです。
拡散モデルは、ノイズプロセスを逆転させることで信じられないほどリアルな画像を作成します。ノイズのブロックから詳細な画像を彫刻することを考えてみてください。
しかし今日最も目に見える現象は、大規模言語モデル（LLM）です。しばしばTransformerに基づき、膨大な量のテキストで訓練されています。それらは驚くべき流暢さで人間の言語を理解し生成します。テキストを書き、翻訳し、要約し、質問に答え、さらには会話もできます。2022年末のChatGPTの立ち上げは衝撃的で、この技術を何百万人もの人々にアクセス可能にしました。
AIの歴史は、人間と機械の象徴的な対決によっても特徴づけられています。ディープブルーの後、2011年にはWatsonがテレビゲーム番組Jeopardy!で人間チャンピオンを破り、自然言語理解の高度な能力を実証しました。そして2016年には、DeepMindのAlphaGoが世界最高の囲碁プレイヤーの一人であるイ・セドルを破りました。
この勝利は特に印象的でした。なぜなら囲碁はチェスよりもはるかに高い戦略的複雑さを持つゲームで、深い直感を必要とするからです。AlphaGoは深層学習と強化学習を組み合わせてこれを達成しました。
今日、AIはもはや実験室の好奇心ではありません。それは私たちの生活の構造に織り込まれています。音声アシスタントとしてあなたの電話に、瞬時にコミュニケーションを可能にする自動翻訳に存在しています。映画、音楽を提案し、オンライン体験をユニークにする推薦システムの中核にあります。あなたが何を探しているのかをより良く理解するよう検索エンジンを改善しています。
その影響は産業全体を変革しています。健康分野では、診断を支援する医療画像分析を革命化し、新薬の発見を加速し、個人化医療への道を開いています。金融では、詐欺検出、リスク評価、アルゴリズム取引、プロセスの自動化に不可欠です。
産業と物流では、生産と配送のチェーンを最適化しています。しかしこの遍在性と力には大きな課題が伴います。AIはデータに存在するバイアスを学習し、さらに増幅することさえあり、差別的な結果につながる可能性があります。
大量のデータ収集は、プライバシーと監視について重要な問題を提起します。一部の複雑なモデルのブラックボックス性質は、AIがなぜそのような決定を下すのかを理解することを困難にし、責任と信頼の問題を提起します。これはAIの説明可能性と呼ばれる課題です。
雇用への影響も、仕事の未来と適応の必要性について深く考えさせます。大規模モデルの訓練による巨大な環境フットプリントを忘れてはいけません。それは膨大な量のエネルギーを消費し、AIによって生成される誤情報のリスクは非常に現実的です。
では、これから私たちはどこへ向かうのでしょうか。AIの歴史は終わりからは程遠いものです。研究は現在の課題に応答するために新しいフロンティアを探求しています。信頼できるAIと説明可能なAIは、システムをより信頼性が高く理解しやすくすることを目指しています。
質素で緑のAIは環境への影響を減らそうと努めています。エッジAIは知性を私たちのデバイスに直接統合することを目指しています。ニューロシンボリックAIのようなハイブリッドアプローチは、ニューラルネットワークと論理的推論の最良の部分を組み合わせようとしています。
現在のところ、GPU-LLMの組み合わせは力技です。AIはいつの日かより巧妙な手段を使わなければならないでしょう。もちろん、一般人工知能（AGI）、つまり一般化されたものではなく、広範囲のタスクで人間の知性と競争できるAIの探求は、私たちを魅了し、研究の動機となり続けています。これはダートマス会議の暗黙の目標でした。
大規模言語モデルは、テキスト、画像、音声を処理するより多様なモーダリティに向けて前進し、より複雑な推論能力を探求しています。しかしAIの未来は単なる技術の問題ではありません。それは深く人間的な物語であり、知性そのものを理解し、私たちの限界を押し広げるツールを作成する探求です。
その将来の発展、方向性、そして影響は、社会として私たちが集合的に行う選択に決定的に依存するでしょう。では、私たちはどのようにAIを規制するのでしょうか。どのようにして、それが倫理的で、すべての人にとって有益な方法で開発され使用されることを確実にするのでしょうか。
大胆な夢、厳しい黄金時代と冬、そして壮観な復活で作られたこの信じられない物語は、毎日書き続けられ、おそらくあなたも参加するでしょう。私にはAIとコンピューター科学の他の多くの物語があり、あなたの興味を引くかもしれません。
この種の形式があなたの興味をそそるなら、下のコメント欄で教えてください。そうでなければ、あちこちで、AIの主題をさらに深く掘り下げ、実践するためのビデオを提供します。そして特に、この動画にいいねを押し、まだでなければチャンネル登録をし、次の動画の通知を受けるために通知ベルを有効にしてください。
それでは、また今度お会いしましょう。お元気で。
コメント