AI(人工知能)を易しく解説!機械学習やディープラーニングとの違いとは?

  • このエントリーをはてなブックマークに追加
  • LINEで送る

スマートスピーカーや自動車の自動運転など、近年AIの活躍が目覚ましくなってきました。社内でもAIの導入を進めている企業も多いでしょう。

しかし、AIに関わる機会ができて1から学習しようと思っても、難しくて行き詰まってしまうこともありますよね。

そこで今回は、AIの基本を易しく解説します。

AI(人工知能)とは

AIとは、「人間の脳と同じような知的な活動を、コンピュータ上で人工的に再現したもの」と言われています。しかし、AIには明確な定義がなく、AI研究者の中でもその解釈には若干のギャップがあります。

さて、一般家庭へのスマートスピーカーなどの普及によって、AIは最近登場したと思われている人も多いでしょう。しかし、最近のAIブームは、実は第3次ブームなのです。

出典:松尾 豊 (著)『人工知能は人間を超えるか ディープラーニングの先にあるもの』

AIの第1次ブームは、コンピュータが誕生した1956年~1960年代でした。当時のAIは、人間がインプットしたルール通りしか動けませんでした。例えば、パズルや迷路をルール通りに解決しゴールするといった動きです。そのため、現実ではAIは活躍できませんでした。

第2次ブームは1980年代です。企業や一般家庭にもパソコンが普及し始めたころですよね。人間がAIにデータと特徴量を与えておくことで自ら学習できるようになり、現実でもAIの活用が期待されました。しかし、この頃のAIはルールの中で矛盾に遭遇してしまうと、その時点で止まってしまいました。

そして第3次ブームが現在のAIブームです。ディープラーニングという言葉を聞かれたこともありますよね。第3次ブームのきっかけは、ディープラーニングの登場。これにより、AIによる画像認識のエラー率が一気に下がりました。

さらにディープラーニングによって、画像や音声などの大量のデータの整理・分析もコンピュータで行えるようになり、いよいよAIが現実でも活躍できるようになったといえるでしょう。

AIの種類

AIといっても、その定義は様々。しかしAIは、その特徴や用途に基づいて種類分けが可能です。そこで、AIの種類を分かりやすく紹介します。

特化型AIと汎用型AI

AIは、特化型AI(AGI)と汎用型AI(GAI)の2種類に分けられます。最近、AIがチェスや囲碁のトッププレイヤーに勝利したというニュースを耳にした人も多いでしょう。実はこの時活躍したAIが、特化型AIなのです。特化型AIは、チェスや囲碁の対戦や自動車の自動運転のように、特定の領域において素晴らしい活躍をみせてくれます。

一方で汎用型AIは、生き物に近いイメージで、私たちが想像するSFの世界に登場するロボットをイメージすると分かりやすいでしょう。汎用型AIは、特定の領域での作業に限定せず、幅広い分野で活躍できる能力を持ち合わせているコンピュータのことです。

強いAIと弱いAI

また、AIは「強いAI」や「弱いAI」にも分けられます。強いAIとは、先ほどお伝えした汎用型AIのこと。人間と同じように物事を理解し実行することから、自意識を持った生命体のようなAIといえますよね。

弱いAIとは特化型AIのことであり、人間同様の自意識は持っていない機械のようなAIです。とはいえ、特定の領域内では知性的な処理を効率よく行い、素晴らしい能力を発揮するので、今後の活躍に期待できるでしょう。

 AI、機械学習、ディープラーニングの違いは?

AI(人工知能)に関連する用語として、「機械学習」や「ディープラーニング(深層学習)」という言葉も聞いたことがありますよね。しかし、それらの関係性が分からないという人もいるのではないでしょうか。ここではAI、機械学習、ディープラーニングの関係性についてお伝えします。

AIと機械学習の関係

機械学習はAIの一部で、「AI>機械学習」と考えると分かりやすいでしょう。AIの中でも、サンプルとなるデータを基にルールを学習し、自動的に分け方を習得することを機械学習といいます。

もう少し詳しく説明すると、人間が与えた大量のデータの中から、人間が与えた判断軸を基に特徴をつかみ、法則を見つけ出します。そして、その法則を自動化して次の処理でも再現するのが機械学習です。

AIとディープラーニング(深層学習)の関係

ディープラーニングは機械学習の一部で、「AI>機械学習>ディープラーニング」という関係性です。機械学習では、特徴を見つけ出すための判断軸は人間が与える必要がありましたが、ディープラーニングでは判断軸もAI自ら導き出し、大量のデータを認識・理解します。

機械学習のようにエンジニアが判断軸を設計しなくても、AIが自ら特徴を見つけ出しデータを整理し分析します。つまり、人間からの指示を待つことなく自動的に賢くなっていくので、作業がより効率化できるのです。

その他よく出てくるAIに近しいワード

AIを学習していくと、意味の分からない用語を目にして行き詰ってしまうこともあるでしょう。そこで、知っておくと良いワードを紹介します。

ニューラルネットワーク

人間の脳はニューロンという細胞が積み重なってできています。あるニューロンに電気信号が送られると、次のニューロンにもまた伝えられる、という風に情報の伝達や処理を繰り返しているのです。

そして、ニューラルネットワークとは人間の脳にあるニューロンの伝達処理を人工的に組み合わせたもの。その中でも、4層以上で構成されているニューラルネットワークのことをディープラーニングといいます。

自然言語処理

自然言語とは、私たち人間が日常的に使用する言葉のことです。私たちの使う自然言語はプログラミング言語とは違い、曖昧な表現が良く使われますよね。そのため、従来のコンピュータは自然言語処理が苦手でした。

ところが、AIの発展により機械学習で大量のデータを処理できるようになったことから、自然言語処理の精度は向上しました。スマートスピーカーと自然な対話ができることに驚かれた人も多いですよね。スマートスピーカーと会話したり、指示したりできるのは、まさに自然言語処理の精度向上のおかげといえるでしょう。

コグニティブ・コンピューティング

コグニティブ・コンピューティングはAIとよく比較される言葉です。コグニティブ・コンピューティングもAIと同様に文字や画像、音声などの大量のデータを処理します。しかし、AIとは目指すところが異なります。

AIは人間ができることを模倣して、人間に代わって仕事を行うことなどを目的としていますが、コグニティブ・コンピューティングは、あくまでも人間のサポートを目的としています。つまり、人間が持っている知識や能力をサポートする役割を果たすのです。

まとめ

今回は、AIの基本について解説しました。コンピュータが誕生した直後に、すでにAIが存在していたことに驚かれた人もいるでしょう。AIの第1次・第2次ブームでは実用化に至らなかったAIですが、ディープラーニングの登場による第3次では、AIは私たちに身近な存在となってきましたよね。

そして、機械学習の中でも特にディープラーニングの分野が特に注目されています。ディープラーニングの登場により自動車の自動運転や画像認識装置のような特化型AIが活躍しています。さらに、分野が限定されない汎用型AIもまだまだ課題は多いものの、近い将来、私たちの良きパートナーとなってくれるでしょう。