【G検定対策1】AI（人工知能）とは

こんにちは．
今回から，G検定対策としてシリーズで記事を書いていこうと思います．
G検定とはディープラーニングに関する知識を問う試験です．
G検定をもっと詳しく教えて！っていう方は以下をご覧ください

ここでは，G検定対策として，おいらが得たディープラーニングの知識を極力わかりやすくまとめておきますので，勝手にご覧ください．
では，本記事第一回目は「人工知能とは？」です．
人工知能についての基本的なことを確認していきましょう．

人工知能は誰がつけたか！？

人工知能 (Artificial Intelligence)は，AI（エーアイ）と略されることが多くて，最近は至るところで使用されており話題になっていますね．
そもそも人工知能という言葉が使用されたのは，1956年からです．
コンピュータ科学者として世界的に知られる人たちが集まったダートマス会議（研究会）で，主催者のジョン・マッカーシーがここで初めて提唱しました．
（絵はそれぞれwikipediaから引用）

ダートマス会議に参加した人たち，超豪華ですね．

• ジョン・マッカーシー
• マービン・ミンスキー
• ネイサン・ロチェスター
• クロード・シャノン
• レイ・ソロモノフ
• アレン・ニューウェル
• ハーバート・サイモン
• アーサー・サミュエル
• オリバー・セルフリッジ
• トレンチャード・モア

このダートマス会議以降，「人工知能」という研究分野が確立してきたのですね．
なので，人工知能は，ジョン・マッカーシーの1956年の提唱から，すでに63年も経っていることになります．

人工知能の定義はまだない！？

ディープラーニングG検定公式テキストによると，人工知能についてのはっきりした定義はまだないようです．
「人間と同じ知性を持った処理能力」の解釈が研究者によって違うから定義が難しいようです．

「知性」や「知能」の定義自体がないから「人工知能」の定義もないんだね！

ただし，本書によると以下の点に関しては多くの研究者で意見は一致しているようです．

「人工知能」は推論，認識，判断など，人間と同じ知的な処理能力を持つ機械（情報処理システム）

「ディープラーニングG検定公式テキスト」より引用

例えば，東京大学の松尾豊先生（JDLA理事）は「人工的に作られた人間のような知能，ないしはそれを作る技術」と言っていますし，京都大学の西田豊明先生は，「知能を持つメカないしは，心を持つメカ」だと言っています．

知能を作る技術だったり，心を持つメカだったり，，，色々

人間っぽい知能をコンピュータで人工的に模倣する場合，ヒトの感情や心，価値観や個人毎に違う人格などをどのようにしていくのか，というのは未だ検討が必要なところかもしれません．

しかし，現在のところ，AIを簡単にいうと「周囲の状況とか環境に応じて振る舞えるロボット（必ずしも人型ではない）」と捉えていて問題ないと思います．

人工知能AIの分類

周囲の状況とか環境によって振る舞えるロボットが，人工知能と考えて問題ないと誤解を恐れず言いましたが，実はそのレベルによって分類されます．
（参考：ディープラーニングG検定公式テキスト）

レベル1・・・シンプルな制御

このレベルでは，周囲の環境や状況に応じて，振る舞いが変わりますが，その振る舞いはあらかじめ決められているものです．
PID制御とか，スライディングモード制御などのそう言った類を使ったロボットがこれに値すると思います．

つまり，エアコンを例にとれば，27度をずっと保つような制御則なので，28度になれば，環境を冷やす方向に働くし，26度になれば，環境を温める方向に稼働します．

レベル2・・・古典的な人工知能

特定の状況や環境に限定した場合でのみ，その状況に応じて複雑な動きをするロボットがこのレベルに相当します．
ルンバとかは，わりとその典型的なロボットですね．

レベル3・・・機械学習

検索エンジンなどの，多数のデータをもとに，入手力の関係を学習したものがこのレベルに入ります．
特徴量という入力系の概念があって，パターン認識という古くからある手法をベースに育ってきたものです．
つまり，学習対象となるデータの，どのような特徴が学習データに大きく影響するかが大事なポイントだったりします．

ちなみに，交通渋滞の予測などもこの分野に属します．

レベル4・・・ディープラーニング

機械学習の特徴量自体は，人間が設計するところでしたが，ディープラーニングでは，特徴量自体を自動で学習していきます．
例えば猫の写真を判定するときに，これまでの機械学習では，特徴量である耳やヒゲの長さを猫の特徴として人間が決めてました．
しかし，ディープラーニングでは，その必要はなくなり，猫の特徴をコンピュータ自ら自動で設計することができます．

ちなみに，このレベルになると，自動翻訳や画像認識，音声認識などの分野で応用が進んでいます．
（たくさんのデータが必要ですが，，，）

将棋や囲碁では，すでにディープラーニングで学習したコンピュータの方が強いです．

AI効果とは

多くの人は，知能は人間特有のものであって，機械が知能っぽいことを成し遂げると「それは知能ではない」と思いたくなるようですね．

「これは単純な自動化であって知能とは関係ない」と結論づける人間の心理をAI効果と呼ぶようです．
（参考：ディープラーニングG検定公式テキスト）

最後に

人工知能に関しては，昨今急激に注目が集まっている研究分野です．
そのため，医療や工学だけではなく，経済，社会といろんな分野でAIの技術が浸透してきています．

古典的な研究をされている先生方は，AIの利便性を高度な自動化で片付けてしまいたいと思っている反面，社会的な利用はそうではなくなってきているのも現実です．
しかし，やっぱり人間の理解により生まれる爽快感というものは，何かしらの現象を説明できる根拠ある数字に集約されるのも事実です．
データが集まれば集まるだけ強みをます人工知能と，これまでの経験からアーティスティックな発想を生み出す研究者の共存を見届けたい昨今であります．

次回は，今回の続きを行います．
第2回は，「人工知能の歴史」について取り上げます．
人工知能にも冬の時代があったようですよ！
以下，続けてご覧ください