このエッセイの主な焦点は、人工知能 (AI) の未来です。 AI がどのように成長する可能性があるかをよりよく理解するために、まず AI の歴史と現在の状態を探るつもりです。私たちの生活における人工知能の役割がこれまでどのように変化し、拡大してきたかを示すことで、将来の傾向をより正確に予測できるようになります。
ジョン・マッカーシーは、1956 年にダートマス大学で初めて人工知能という用語を作り出しました。この時点で、電子コンピューター、そのような技術の明らかなプラットフォームはまだ 30 年未満で、講堂のサイズであり、ストレージ システムと処理システムは遅すぎてコンセプトを正しく行うことができませんでした。 80 年代と 90 年代のデジタル ブームになって初めて、システムを構築するためのハードウェアが AI 理論家の野心に乗り出し、この分野が本格的に動き始めました。人工知能が過去 10 年間で達成された進歩に匹敵することができれば、今後 10 年間でコンピューターが私たちの生活の一部になるのと同じくらい日常生活の一部になるでしょう。人工知能は誕生以来、さまざまな説明がなされてきましたが、これまでの歴史の中で最も重要な変化は、その目的をどのように定義したかにあります。 AI が若い頃、その目的は人間の心の機能を複製することに限定されていましたが、研究によって、昆虫や遺伝物質など、複製する新しいインテリジェントなものが開発されたことが明らかになりました。フィールドの限界も明らかになりつつあり、今日私たちが理解しているように、この AI が出現しました。最初の AI システムは、純粋に象徴的なアプローチに従いました。古典的な AI のアプローチは、一連のシンボルとそれらを操作するためのルールに基づいてインテリジェンスを構築することでした。このようなシステムの主な問題の 1 つは、シンボルの接地の問題です。システム内の知識のすべてのビットが記号のセットで表され、特定の記号のセット (たとえば「犬」) が記号のセット (「犬の哺乳類」) で構成される定義を持っている場合、その定義には定義が必要です。 (「哺乳類: 4 本の手足があり、内部温度が一定の生物」)、この定義には定義などが必要です。この象徴的に表現された知識が、それ以上の定義を必要としない方法で完全に記述されるのはいつですか?これらのシンボルは、定義の永遠の再帰を避けるために、シンボルの世界の外で定義する必要があります。人間の精神がこれを行う方法は、シンボルを刺激と結びつけることです。たとえば、犬を考えるとき、犬の哺乳類とは思わない場合、犬がどのように見えるか、どのような匂いがするか、どのように感じるかなどを覚えています。これは感覚運動の分類として知られています。 AI システムがタイプされたメッセージを超えた感覚にアクセスできるようにすることで、私たちと同じように、感覚入力に含まれる知識を根付かせることができます。多くのアプリケーションで成功することが判明したため、従来の AI が完全に欠陥のある戦略だったと言っているわけではありません。チェスのアルゴリズムはグランド マスターを打ち負かすことができ、エキスパート システムは制御された状況下で医師よりも正確に病気を診断でき、誘導システムはパイロットよりも上手に飛行機を飛ばすことができます。この AI モデルは、脳の理解が今日ほど完全ではなかった時代に開発されました。初期の AI 理論家は、古典的な AI アプローチが AI で設定された目標を達成できると信じていました。計算は主にシンボル操作に基づいており、Church/Turing 論文によると、計算はあらゆるものをシンボリックにシミュレートできる可能性があります。ただし、従来の AI の方法は、より複雑なタスクにうまくスケールアップできません。チューリングはまた、チューリング テストとして知られる人工知能システムの価値を判断するテストを提案しました。チューリングテストでは、互いに通信可能な端末を備えた2つの部屋が設置されます。テストを審査する人は、1 つの部屋に座っています。 2 番目の部屋には、別の人、または人をエミュレートするように設計された AI システムがいます。審査員は 2 番目の部屋にいる人またはシステムと通信し、最終的に人とシステムを区別できなければ、テストは合格です。ただし、このテストは、最新の AI システムに適用するには十分に広範ではありません (または広すぎます...)。哲学者のサールは 1980 年にチャイニーズ ルームの議論を行い、コンピューター システムが中国語を話し、理解するためのチューリング テストに合格したとしても、サール自身が同じプログラムを実行できるため、それが中国語を理解しているとは限らないため、彼が理解しているという印象を与えると述べました。中国語、彼は実際に言語を理解しているわけではなく、システム内の記号を操作しているだけです.彼が実際には単語を理解していなくても、中国語を理解しているという印象を与えることができれば、知能の真のテストは、このテストが提示するものを超えたものでなければなりません.
今日、人工知能はすでに私たちの生活の主要な部分を占めています. .たとえば、Microsoft Word だけでも AI ベースのシステムがいくつかあります。オフィス ツールの使い方を教えてくれる小さなペーパー クリップは、ベイジアンの信念ネットワークに基づいて構築されており、単語のつづりを間違えたり、文章の言い回しが適切でなかったりした場合にそれを示す赤と緑の波線は、自然言語の研究から生まれました。ただし、これは私たちの生活にプラスの影響を与えていないと主張することもできます。そのようなツールは、優れたスペルと文法を労力を節約するデバイスに置き換えただけで、同じ結果が得られます.たとえば、私は「successfully」という単語を入力するたびに強制的にスペルを間違えたり、複数の二重文字を含むいくつかの単語を間違ったりしますが、使用するソフトウェアが私の作業を自動的に修正してプレッシャーを軽減するため、これはもちろん問題ではありません私が改善します。最終的に、これらのツールは英語のライティング スキルを改善するどころか、損なってしまいました。音声認識は、自然言語研究から生まれたもう 1 つの製品であり、人々の生活により劇的な影響を与えてきました。音声認識ソフトウェアの精度が向上したおかげで、2 年前に敗血症で視力と手足を失った、信じられないほどの知性を持つ私の友人がケンブリッジ大学に行くことができました。音声認識は、完璧で予測可能な英語を話していない限り、成功率が低すぎて役に立たなかったため、非常に貧弱なスタートを切りましたが、今ではその場で言語翻訳を行うことができるようになりました.現在開発中のシステムは、英語から日本語へのリアルタイム翻訳を備えた電話システムです。これらの AI システムが成功しているのは、チューリング テストを受ける可能性のあるシステムのように、人間の精神全体をエミュレートしようとしないためです。代わりに、それらは私たちの知性の非常に特定の部分をエミュレートします。 Microsoft Word の文法システムは、文の文法上の正確性を判断する私たちの知能の一部をエミュレートします。これは判断を下す必要がないため、単語の意味はわかりません。音声認識システムは、私たちの知能の別の明確なサブセットである音声の象徴的な意味を推測する能力をエミュレートします。また、「オンザフライ トランスレータ」は、音声認識システムを音声合成で拡張します。これは、人工知能システムの機能をより正確に使用することで、その操作がより正確になることを示しています。
人工知能は、現在も実行されているタスクを高速化する上で非常に貴重な支援を提供できるようになりました。会計および税務ソフトウェアで使用されるルールベースの AI システムなどの人々によって、検索アルゴリズムなどの自動化されたタスクが強化され、車のブレーキや燃料噴射などの機械システムが強化されます。興味深いことに、人工知能システムの最も成功した例は、それを使用している人々にはほとんど見えないものです。コンピューター制御のブレーキ システムのおかげで車の衝突をかろうじて回避できるとき、AI が命を救ってくれたことに感謝する人はほとんどいません。
現代の AI における主な問題の 1 つは、人々が理解する常識をどのようにシミュレートするかということです。彼らの初期。 1990 年に開始された CYC プロジェクトと呼ばれる現在進行中のプロジェクトがあります。このプロジェクトの目的は、AI システムが保持するデータをより人間的な意味で理解できるようにするために、AI システムが照会できる常識データベースを提供することです。 Google などの検索エンジンは、このプロジェクトで収集された情報をサービスの改善に利用し始めています。たとえば、マウスまたは文字列という単語を考えてみましょう。マウスはコンピューター入力デバイスまたはげっ歯類のいずれかであり、文字列は ASCII 文字の配列または文字列の長さを意味します。私たちが慣れ親しんでいる検索機能では、これらの単語のいずれかを入力すると、指定された検索用語を含むすべてのドキュメントへのリンクのリストが表示されます。検索エンジンに「マウス」という単語が与えられたときに CYC の常識データベースにアクセスできる人工知能システムを使用することで、電子的なものか毛皮のようなものかを尋ねることができます。次に、目的のコンテキスト外の単語を含む検索結果を除外できます。このような常識データベースは、AI がチューリング テストに合格するのにも非常に役立ちます。
これまで、非常に閉じた世界と相互作用する人工システムについてのみ説明してきました。検索エンジンは常に検索用語を文字のリストとして取得し、文法パーサーは 1 つの言語で文を形成する文字列を処理するだけで済み、音声認識システムはユーザーが話す声と言語に合わせて自分自身をカスタマイズします。現在の人工知能の方法が成功するためには、機能と環境を注意深く定義する必要があります。将来的には、AI システムは環境を知らなくても動作できるようになります。たとえば、Google 検索を使用して、テキストを入力して写真を検索できるようになりました。想像してみてください。検索の説明の任意の手段を使用して何かを検索できるとしたら、代わりに Google にアクセスして猫の写真を与えることができます。写真が与えられたことを認識し、それが何の写真であるかを評価しようとすると、写真の焦点を分離し、それが猫であることを認識し、猫について知っていることを見て、それがペルシャ猫であることを認識します.次に、検索結果をグルーミング、購入場所、写真など、ペルシャ猫に関連するカテゴリに分類できます。これは単なる例であり、現在この方向で行われている研究があるかどうかはわかりません。その中で強調しようとしているのは、AI の未来は、それぞれのアイデアの長所を活用するために、知識を表現する既存の技術と方法を融合することにあるということです。私が示した例では、猫を認識するための画像分析、検索結果を細分化する適切なカテゴリを選択するためのインテリジェントなデータ分類、および CYC データベースによって提供されるような強力な常識の要素が必要になります。また、含まれる知識を表す方法が異なる多くの個別のデータベースからのデータを処理する必要があります。 「知識を表現する」とは、知識をマッピングするために使用されるデータ構造を意味します。知識を表す各方法には、アプリケーションごとに異なる長所と短所があります。論理マッピングは、一連のルールが明確に定義されている医師や会計士を支援するエキスパート システムなどのアプリケーションにとって理想的な選択肢ですが、火星パスファインダー プローブによって実行されるロボット ナビゲーションなどの分野では柔軟性に欠けることがよくあります。このアプリケーションでは、火星に着陸する前にさまざまな地形でトレーニングできるため、ニューラル ネットワークの方が適している可能性があります。ただし、音声認識やその場での言語翻訳などの他のアプリケーションでは、ニューラル ネットワークは柔軟性に欠けます。これは、含まれるすべての知識を数値と合計に分解する必要があるためです。知識を表現する他の方法には、セマンティック ネットワーク、形式論理、統計、質的推論、ファジー論理などがあります。これらの方法のいずれかが特定の AI アプリケーションにより適している場合があります。これは、システムの効果をどの程度正確にする必要があるか、動作環境について既にどの程度わかっているか、およびシステムが処理しなければならない可能性が高いさまざまな入力の範囲によって異なります。
最近では、AI の研究への投資も著しく増加しています。これは、企業がこれらのツールの時間と労力を節約できる可能性を認識しているためです。 AI は、既存のアプリケーションを使いやすくし、ユーザーの行動をより直感的に理解し、実行環境の変化をより認識できるようにします。AI 研究の初期の段階では、この分野は投資家が期待していたほど早く目標を達成できませんでした。新資本の低迷につながった。しかし、AI が労働時間の節約とより効率的なソフトウェアへの 30 年間の投資を十分に回収したことは疑いの余地がありません。 AI は現在、軍事、商業、および政府の世界からの恩人とともに、投資の最優先事項となっています。国防総省は最近、AI ベースのシステムに 2,900 万ドルを投資して、パーソナル アシスタントが通常行うのと同じ方法で将校を支援しました。
50 年代に AI が誕生して以来、AI は数学と物理学から進化生物学へと拡大してきました。 、心理学、認知研究は、システムが有機的であろうと電子的であろうと、インテリジェントシステムを構成するものをより完全に理解することを期待しています。 AI は、余暇の追求、通信、輸送、科学、宇宙探査において、すでに私たちの生活に大きな変化をもたらしています。マイクロプロセッサやその他の AI などの複雑なものを設計する際に、時間をより効率的に使用するためのツールとして使用できます。近い将来、コンピューターや自動車がそうであったように、それは私たちの生活の大きな部分を占めるようになり、1960 年代と 70 年代に製鉄所の自動化が行ったのと同じように、人々に取って代わり始めるかもしれません.そのアプリケーションの多くは、子どもたちの学習を助けるロボットのおもちゃ、薬を飲み忘れたときにしつこく怒鳴るインテリジェントな薬箱、睡眠習慣を学習する目覚まし時計、インターネット経由で常に学習できるパーソナル アシスタントなど、信じられないほどに聞こえます。しかし、そのアプリケーションの多くは、何か恐ろしいことにつながる可能性があるように思えます.米国防総省は、世界中の人工知能研究における最大の投資家の 1 つです。現在、小さな戦車のように見え、人間の介入なしにターゲットを自動的に評価する AI 兵士ロボットに関する研究が大幅に進んでいます。このようなデバイスは、安価な国内警察として再利用することもできます。幸いなことに、AI の暗い未来はまだハリウッドのファンタジーであり、近い将来に心配する必要があるのは、チェスで子供のおもちゃに負けることだけです。
敬具
Sam Harnett MSc mBCS
Pixeko Studio - ケントの Web 開発者< /p>
