かつてハリウッド映画でSF扱いされていた人工知能(AI)は、私たちの日常生活を向上させる身近なテクノロジーとなり、家庭や職場に導入されています。創造性が強化され生産性が向上し、ビジネス・オペレーションが常に加速して進む中、いっそうAIに対応した未来に向けた基盤づくりが進められています。今回の記事では、AIの定義やカテゴリ、さらにAIの可能性をより広げた機械学習や深層学習について見ていきましょう。
AIとは？
AI(Artificial Intelligence)は、視覚、音声認識、意思決定といった人間の知性と推論の能力を発揮するコンピュータ、ロボット、機械を指す用語です。AIはデータを処理し、任意のタスクに関してパターン認識、予測、行動推奨を行いこれらの能力を発揮します。AIは一般的に、それぞれの優劣とは別の意味で「Weak(弱い)AI」と「Strong(強い)AI」という2つのカテゴリに分かれます。
- Weak AIは、特定の機能のみを実行し、狭い分野のタスクの実行においては非常にインテリジェントです。アップルの「Siri」、アマゾンの「Alexa」、グーグルの「Googleアシスタント」がWeak AIの一例です。これらのプログラムは、特定のキーワードを理解し、命令に対して応答しますが、言われたことの意味を識別することは一切できません。
- Strong AIは、分野が限定されたWeak AIとは異なり、機能としては全般的にさまざまな活動を実行でき、タスクの処理、学習、完了が全面的に自動化されています。現時点では公共用途で利用可能なStrong AIの実用例はありませんが、数多くのアプリケーションが開発段階にあります。Strong AIが導入され得る分野の1つとしてサイバーセキュリティが挙げられ、アプリケーションが過去のフィッシング活動を学習し、現在の動向からセキュリティに関する予測を行うことができます。
AI開発の主な歴史
-
AI開発の主な歴史的トピック
AIのサブセット
機械学習と深層学習は、AIの部類に入ります。AIはタスクを実行できる機械を表す用語であるのに対し、機械学習はもう一歩進んで、明示的にプログラムされなくても、機械が学習と適応を行えることを指します。機械学習のサブタイプである深層学習は、人間の脳と似たふるまいをする人工のニューラルネットワークを使用してデータ分析と学習を行います。
機械学習と深層学習の主な差別化要因は、システムがどう学習しトレーニングされるかにあります。例えば、携帯電話に保存している写真を整理する場合、機械学習アルゴリズムに構造化データ(「犬」、「風景」、「家族」などの識別子で分類されたデータ)を提供する必要があります。機械学習アルゴリズムは、システムに読み込まれると、タグ付けした写真から学んだことに基づいて分類を行います。一方、深層学習は画像の分類に構造化データを必要としません。その代わりに、深層学習では、特定の特徴を分類するニューラルネットワークを通じて画像が処理されます。つまり、写真に山や水域が写っている場合はアルゴリズムがそれを風景として分類し、写真に毛皮やひげが写っている場合はシステムがそれを犬と特定します。
AIの応用
AIは私たちの身近にあり、77％の人がAIを活用したサービスを少なくとも1つは利用しています。
特殊チップ
AIの中核を成しているのは、AI対応アプリケーションの認知機能をサポートするチップです。それらのアプリケーションは演算集約型かつメモリ集約型であり、半導体の継続的な進化によって日常的なデバイスにAIが搭載されるようになりました。
産業界は、シリコン貫通電極(through-silicon via:TSV)技術を利用した垂直積層型チップなど、新しいDRAM戦略へのシフトを進めており、高性能コンピューティングとAIにおいて高速性、大容量、低電力消費を実現させています。
また、近年の特殊チップにおける進歩により、内蔵型AIを搭載したシステムが開発されるようになりました。クラウドでAIの演算と処理が行われるのでなく、各デバイスでAI機能が実行されています。
まとめ
あらゆる分野に影響を及ぼしているAI業界は、今後4年間で1260億ドル規模に達するものと予測されています。かつては初期段階にあった技術が過去70年にわたる開発により飛躍的な進展を遂げ、今では私たち日常生活に影響を及ぼすまで進化しました。AIは、オートコレクトから建設現場の安全性まで、今後も日常生活の機能性と効率性を向上させ続けていくでしょう。
