ここから本文です
AI(人工知能)& IoT
AIとIoTについて、ともに学びましょう。

書庫過去の投稿日別表示

全1ページ

[1]

『AIの歴史』

現在のAIのブームは、第3次ブームと言われています。

◆最初の人工知能ブーム(第一次ブーム):1956〜1960年代
世界で初めて「人工知能」という言葉が使われるようになったのは、1956年に米国ニューハンプシャー州にあるダートマス大学での会議(Dartmouth Summer Research Project on Artifical Intelligence)に集まった研究者たちが、「Artifical Intelligence」という用語を使いはじめたことがきっかけです。

この集会で取り上げられた話題が人工知能のメインテーマとなっていきます。例えば、情報理論に基づく脳の機能の把握や、チェスをプレイするプログラムなどです。
ニューウェルとサイモンは、記号論理を処理して定理を証明するプログラム、「ロジック・セオリスト(LT)」を発表しました。これは「人工知能のプログラムの第一号」と呼ばれています。これは,コンピュータが四則演算などの数値計算しかできなかったものであった当時では画期的なことでした。

人工知能の概念自体は,1947年の「Lecture to London Mathematical Society (ロンドン数学学会での講義)」にてアラン・チューリングによって提唱されたとするのが良いと言われています。(人工知能学会HPより)

○1957〜1969年(古き良き人工知能)
AIの研究は成功の連続、単なる計算しかできなかったコンピュータが少しでも知的なことができるのは驚異的なことでAIの春ともいうべき時期。この時期のAIは明示的に記号で表された論理を基盤に成立していて、今では少し否定的な意味を込めて「Good Old Fashoned AI(古き良き人工知能)」と呼ばれています。この時期、順調に成果を上げていた人工知能研究ですが、1969年には最大の難問「フレーム問題」がJ.McCarthyとP.J.Hayesによって指摘されます。(人工知能学会HPより)

【フレーム問題】
現実世界で人工知能が、たとえば「マクドナルドでハンバーガーを買え」のような問題を解くことを要求されたとする。現実世界では無数の出来事が起きる可能性があるが、そのほとんどは当面の問題と関係ない。人工知能は起こりうる出来事の中から、「マクドナルドのハンバーガーを買う」に関連することだけを振るい分けて抽出し、それ以外の事柄に関して当面無視して思考しなければならない。全てを考慮すると無限の時間がかかってしまうからである。つまり、枠(フレーム)を作って、その枠の中だけで思考する。 だが、一つの可能性が当面の問題と関係するかどうかをどれだけ高速のコンピュータで評価しても、振るい分けをしなければならない可能性が無数にあるため、抽出する段階で無限の時間がかかってしまう。 これがフレーム問題である。
(ウィキペディアより)

○1970〜1979年(現実からの反撃)
1958年にH.Simonは10年以内にコンピュータはチェスチャンピオンに勝利することや、新たな数学の定理が証明されることを予見。しかし、少数の例ではうまく動作した方法が大規模な問題には適用できないことがこの時期明らかになりました。

大きく三つの問題がありました。

① 初期のAIプログラムが単純な操作だけで動作し、対象に関する知識を持っていなかった。

② 規模の問題。プログラムが原理的に解を持つことと、プログラムが実際に解を得ることができることは別。

③ 知的構造を生み出すための基本構造の限界。どんな問題でも解くことのできる汎用のシステムではなく、対象領域の知識を十分に用いたシステムによって、これらの問題を解決する試みが行われました。しかし、これは困難な問題を解くには、あらかじめその答えをほとんど知っていなくてはならないということを意味しました。
(人工知能学会HPより)

◆2度目の人工知能ブーム(第二次ブーム):1980年〜
1980年頃になると、2度目の人工知能ブームが起こります。

○1980〜1988年(人工知能の産業化)
商用のデータベースシステムが開発されるようになりました。日本で第5世代プロジェクトが開始され、それによるAIへの関心の高まり、日本がAI研究で優位に立つ危惧などから、各国でAI研究への補助や投資が活発になりました。
(人工知能学会HPより)

この時期、専門家の知識をルールとして教え込み、問題を解決させようとする「エキスパートシステム」の研究が進みビジネスへの応用が出てきたものの、その適用範囲は限られ、ブームは次第にしぼんでいきました。

◆機械学習が3回目のブームを牽引(第三次ブーム):2006年〜
第三次AIブームを牽引する機械学習技術の中で特に注目されているのは「ディープラーニング(深層学習)」です。現在主流となっているディープラーニングの手法「オートエンコーダー」は、2006年、トロント大学のヒントン教授らのプロジェクトにより開発されました。

【ディープラーニング[深層学習](deep learning)】
多層のニューラルネットワーク(deep neural network)による機械学習手法。
(ウィキペディアより)

【オートエンコーダ[自己符号化器](autoencoder)】
機械学習において、ニューラルネットワークを使用した次元圧縮のためのアルゴリズム。2006年にジェフリー・ヒントンらが提案した。線形の次元圧縮としては主成分分析があるが、オートエンコーダはニューラルネットワークを使用する。
(ウィキペディアより)

イメージ 1

今のAIブームを引き起こしているのは、2017年5月27日、人類最強の呼び声が高い棋士・柯潔(カ・ケツ)にグーグル社傘下のイギリスの人工知能企業ディープマインド社が開発する囲碁AI・AlphaGo(アルファ碁)が勝利したことにあると思います。

27日の対局に先立ち23日、25日にもAlphaGoは柯潔を相手に勝利し、柯潔は人工知能を相手にまさかの全敗を喫したということです。囲碁は元々、AI(人工知能)にとってもっとも難しいゲームの1つとされていましたので正しく偉業だと思います。

AlphaGoは盤面を評価するための「value networks」と手を選ぶための「policy networks」という2つの人工知能に用いる評価関数をコンピュータ囲碁の新たなアプローチとして使っており、これらのディープニューラルネットワークは人間の囲碁のプロによる教師あり学習と、自己対戦による強化学習を行っており、その組み合わせにより囲碁の学習が進んでいくそうです。(参照:TECH::NOTE)

アルファ碁は次の3つの機能を駆使しているそうです。

① 次の一手の予測
強い棋士の過去の指し手を学習し予測する機能。
六段から九段の対戦記録2940万手をディープラーニングを使って学習。

② 最終局面までの予測
ある局面から最終局面までの打ち手の予想を高速に行う予測機能。
この機能を機械学習によって実現。

③ 勝率の予測
ある局面の勝率を正確に予測する機能。
強い棋士の指し手を打てるシステム同士を対戦、強化学習という手法を使用し、勝率を正確に予測するために、ある局面から、強化学習によって学んだ手で最終局面まで打って勝敗結果を出し、その際、先の局面を画像として認識させ、強化学習による勝敗結果と同じものを予測する評価関数をディープラーニングにより構築。


ディープラーニングについては、別の機会に詳しくご紹介したいと思います。

参考図書
日刊工業新聞社:トコトンやさしい人工知能の本
日本経済新聞社:AI(人工知能)まるわかり

この記事に

開くトラックバック(0)

全1ページ

[1]

本文はここまでですこのページの先頭へ
みんなの更新記事