AIとは何か|人工知能についての基礎知識をわかりやすく解説 | プログラミング入門ならWEBCAMP NAVI
【1月枠も残りわずか】転職保証コース

AIとは何か|人工知能についての基礎知識をわかりやすく解説

AI とは

近年、AIや機械学習、ディープラーニングという言葉が盛んに聞くようになりました。
特にビジネスの現場では、チャットボットによる問い合わせ対応や音声認識による情報入力など、様々な活用方法が実践されており、気になっている人も多いかもしれません。

ここ十数年のコンピュータの進歩と低価格化によって、ビッグデータを容易に扱えるようになりました。
そのため、誰でも人工知能を扱えるようになり、

しかし、人工知能(AI)の導入については、日本の企業の多くが「AIの導入を先導する組織・人材の不足」という課題を抱えています。
その結果、2020年以降他国に比べると後れをとっていくことが予測されているのです。
総務省・平成30年度情報通信白書より

この状況を破壊するためには、人工知能(AI)に精通した技術者がますます必要とされるようになっているのです。

そこで本記事では、

・人工知能(AI)とは何か
・いま何ができるようになっているのか
・今後訪れるAI時代を生き抜くために必要なこと

を説明します。

この記事は主に、

・AIのできることや歴史ついて理解したい人
・AIによる時代の変化を知りたい人
・AIについて勉強してみたい人

に向けて書いたものですので、ぜひ参考になれば幸いです。

AIの定義

人工知能(AI)

AIは「Artificial Intelligence」の略で日本語では、人工知能になります。
しかし「人工知能(AI)とは何か」となると、即答できる人は多くないでしょう。

実はAIの専門家や研究者の間でも、AIの定義は統一されていません。
具体的には、次のように様々な見解があるのです。(「人工知能は人間を超えるか/松尾豊」(KADOKAWA)42頁より)

・人工的につくられた、知能を持つ実態。あるいはそれをつくろうとすることによって知能自体を研究する分野である
・「知能を持つメカ」ないし「心を持つメカ」である
・人工的につくった知的な振る舞いをするためのもの(システム)である
・人間の頭脳活動を極限までシミュレートするシステムである
・人工的につくる新しい知能の世界である
・人の知的な振る舞いを模倣・支援・超越するための構成的システム
・人工的につくられた人間のような知能、ないしはそれをつくる技術。人間のように知的であるとは、「気づくことができる」コンピュータ、つまり、データの中から特徴量を生成し現象をモデル化することのできるコンピュータという意味である

このように解釈の範囲からすでに曖昧な状態ですので、明確な定義づけができないのは仕方がないでしょう。

ただし、これらはあくまでも専門家たちが「できる限り正確に伝える」ための見解です。
そのため、一般の人たちはそこまでこだわる必要はありません。
AIとは「人工的につくられた知能」であり、その概念や技術そのもののことを指すと考えて良いでしょう。

AIは大きく分けて2つに分類する事ができる

ここからは、AIを「人工的につくられた知能」としてもう少し詳しく説明していきましょう。

一般的にAIと呼ばれるものには「自律性」と「適応性」という2つの特徴が備わっています。

・自律性 …… 人が指示することなく自動的に作業を行う能力
・適応性 …… 経験や学習によって能力を向上させる(パフォーマンスを上げる)能力

「自律性」は現在のロボットなどにも備わっています。
しかし、2つめの「適応性」はいまのロボットにはありません。
この点こそ、AIの画期的な点と言えるでしょう。

そして、AIには次の2つに分類することができます。

分類 説明 自律性 適応性
弱いAI 特定の作業を行う特化型AI
強いAI 様々な作業を行える汎用型AI

双方とも自律性については同様に備わっていますが、適応性については強いAIに軍配が上がるのです。
それぞれ、もう少し詳しく説明しましょう。

特化型AI(弱いAI)

弱いAI

将棋や囲碁のAIソフト、掃除ロボットや音声認識など、特定の用途のためにつくられたAI弱いAIです。
あらかじめ指示された作業しかできませんが、学習することでその作業の精度を上げることができます。
人の補助や能力の拡張に最適なAIです。

現在、実用化されているAIや、企業で研究されているAIのほとんどはこの弱いAIに分類されます。

汎用型AI(強いAI)

強いAI

一般的なAIのイメージである「人の知能を代替えできる」「人間と同じように考える」ものに近いのが、強いAIです。
アニメや映画に出てくる人間的な振る舞いができるアンドロイドやロボットに組み込まれている「自分で考えて判断するAI」が該当します。

実現すれば、人を超える知能を持つものが生まれることになりますので、時代が大きく変革することになるでしょう。

●人工知能の4つのレベル
AIの分類には、達成している機能に合わせたレベルも存在しています。

レベル1 機械を制御するプログラム 家電に組み込まれているプログラム
レベル2 入力に対する正しい出力を蓄積することで、正しく動くようにするプログラム パズルや将棋などの古典的な機械学習モデル
レベル3 機械学習を組み込んだシステムにビックデータと成否情報を与えて学習させることで、正しく動くようにするプログラム 検索エンジンや音声認識、掃除ロボットなど
レベル4 ビックデータから特徴量を自動認識し、自動学習することで正しく動くようになるプログラム ディープラーニングなどを用いた人工知能

この定義では、すでに枯れた技術とも言える組み込みソフトもAIに分類されています(レベル1)。
「一部でも人のように動作する」という意味では間違っていませんが、本記事ではレベル3以上をAIとして扱います。

AIの歴史

「人工的につくられた知能(人のように考えるもの)」という概念は、神話の時代からありました。

もっとも古いと思われるものは、紀元前8世紀につくられた『イーリアス』というギリシャ神話を題材とした叙事詩にありました。
その中で「人間の少女そっくりにつくられた黄金のロボットが人の気持ちを理解する」という、AIを彷彿とさせる描写があるのです。

半世紀以上経ったいま、AIはめまぐるしい発展を見せています。
しかし、AIの歴史は平坦なものではありませんでした。
その当時の技術レベルや社会情勢などによって、ブームと衰退を経験しているのです。

第一次AIブーム 推論・探索の時代

推論・探索

最初のブームは1950年〜1960年代にありました。
AIという言葉が生まれ、コンピュータに対する人々の期待が高まった時期です。

この時期はコンピュータに人の機能を補完、拡張させることを目的に、コンピュータに推論と探索をさせる研究が進みました。
この研究によって、コンピュータがパズルを解いたり迷路から脱出したりすることができるようになったのです。

そんなAIの姿を見た人々は、コンピュータが人間のように振る舞うことに熱狂しました。

しかし、実際には事前に設定したことしかできないことが分かり、熱狂は急激に冷めていきます。
このときのAIはただのプログラムであり、制限された領域でしか動かず、開発者が設定したことしかできなかったのです。

第二次AIブーム 知識を入れると賢くなる

エキスパートシステム

1980年代、「エキスパートシステム」という人の知識を補完するシステムが提案されました。
エキスパートシステムは専門家の知識を蓄積して、誰でも専門家同様の知識を得られるというものです。
実際に、いくつかの質問に答えるだけで病気を診断することができるような成果もあげたため、エキスパートシステムから新たなAIブームが巻き起こりました。

あらゆるところでエキスパートシステムに準じたAIが検討され、様々な知識が蓄積されていきました。
しかしそんな専門的な知識を集めたシステムに、次のような弱点が見つかります。

・コストと時間がかかる
・常識を理解できない

コストと時間がかかる

エキスパートシステムを構築するためには、専門家の知見を集める必要があります。
それも、1人や2人ではありませんので、大きなコストになります。
また、集めたデータを正しく分類してシステムで使える形にする労力もとても大きなものでした。
そのため、エキスパートシステムを構築するためのコストと時間が膨大になってしまったのです。

常識を理解できない

エキスパートシステムは、システムからの質問に適切な回答をすることで専門家の知見が得られるものです。
しかし、一般の人が想定できる回答をするとは限りません。

例えば、問診に対して「体温が37.5℃」という回答であればシステムは判断できます。
しかし「熱っぽい」という回答では、判断できません。

そのため、こういった「人間が聞けば分かる常識的な表現」を明確に定義してシステムに教えてやらなければいけません。
しかし、一般常識的な表現の数は計り知れないほど存在します。
また、文脈や背景による違いもありますので、それらも含めれば膨大な知識を定義しなければいけなくなるでしょう。

結果、大きな期待の込められたエキスパートシステム(第二次AIブーム)は急激にしぼんでしまいます。

第三次AIブーム 機械学習とディープラーニング

第二次AIブームの問題点は、システムへ入力するデータを人間が集め、人間が成否判断することでした。
必要となるデータを事前に準備し、すべて正しく成否判断することなど現実的ではなかったわけです。

そんな状態のAI研究に光明が刺しました。
それが「機械学習」と「インターネット」です。

機械学習はその名の通り機械に学習させる方法で、AIにデータを与えるだけで自動的に学習していくというものです。
それに加えて、インターネットによって莫大なデータを容易に入手することができるようになりました。
この2つの新たな技術によって、第二次AIブームでボトルネックとなっていた「コストと時間」を大幅に減少させられたのです。

そして、AIが息を吹き返すきっかけとなったのが「ディープラーニング」の登場です。

ディープラーニングはニューラルネットワークを使ってデータの特徴を自ら抽出し、分類することができるしくみです。

ニューラルネットワークとは?
ニューラルネットワークというのは、脳細胞のネットワークを模した処理手順のことです。
既存の記憶との関係性をもとに記憶に強弱をつけることで、効率よく学習することができます。

つまりAIにデータを与えるだけで、一般的な概念を手に入れて学習する仕組み「自動的に常識を教える方法」ができたわけです。

現在AIができること

ここまでAIの過去から現在について説明してきました。
では、現在のAIはどういったことができるようになっており、どんなことに活用されているのでしょうか?

代表的な例を見ていきましょう。

AIができること

現在のAIができることは、主に次のようなものです。

・画像認識
・音声認識
・言語識別
・制御
・予測

画像認識

膨大な画像データから特徴を抽出して学習することで、人間と同じように写真を分類できるようになっています。
また、蓄積された画像の特徴をもとに写真を作成することもできるようになっています。

音声認識

音声データについても画像データと同じく、AIが人の言葉を分類することができます。
またAIが自然な抑揚で話をすることができるようになっているのは、音声認識の精度向上の賜物です。

言語識別

現在、インターネット上には無数の文字データがあります。
それらを使うことで、文章の特徴を学習することができます。
文章を識別したり、書いたりすることができる人工知能(AI)も登場しています。

制御

画像認識、音声認識、言語認識を組み合わせることで、ロボットや自動車などの機械を制御することも可能になっています。
最近だと自動運転技術やGoogle homeなどが挙げられますね。
カメラやマイクなど各種センサから得られた自分の状態と、その状態で動作した結果を関連付けて学習させることで、その時々に最適な動作をさせることができます。

予測

制御と同じく状態と結果を学習することで、特定の状態からまだ起きていない結果を予測することもできます。

AIが使われているサービス

実際にAIが用いられているサービスは数多くありますが、ここでは話題になっているものをいくつか紹介しましょう。

Automatic Image Colorization


Automatic Image Colorization
白黒画像をカラー化してくれるWebサービスです。
早稲田大学の研究グループが開発した人工知能(AI)で、大量にある白黒画像とカラー画像から白黒の画像にどんな色を付けるべきかを学習させています。
その結果、白黒画像を最初からフルカラーだったかのような違和感のないカラー画像にしてくれるのです。

PaintsChainer


PaintsChainer
株式会社Preferred Networks(PFN)が提供している、画像をアップロードするだけで、ラフを線画にしたり線画をフルカラーのイラストにしたりしてくれるAIです。
描画や着色のパターンを指定することでイメージ通りのイラストをワンクリックでつくることができます。

株式会社Preferred Networksは、これ以外にもキャラクターを自動生成する人工知能(AI)やがん研究、ロボット開発など様々な先端技術の研究開発を行っている企業です。

Traffic Jam Pilotシステム

もっとも多くの人に人工知能(AI)の力と未来を感じさせてくれると思われるのが、自動運転でしょう。
そんな自動運転技術の中で、注目されているのが「アウディ A8」の「Traffic Jam Pilotシステム」です。

Traffic Jam Pilotシステム
「Traffic Jam Pilotシステム」は、高速道路での渋滞中(時速60キロメートル以下)には、ハンドルやペダルから手足を離していても車を安全に運転してくれる画期的な人工知能(AI) システムです。
自動運転レベル3を世界で初めてクリアしており、走行中の携帯電話の操作くらいであれば十分に可能な自動運転なのです。

なお、自動運転レベルは次のように定義されています。

自動運転レベル0 警告程度はあっても自動的な制御がないクラス。通常の自動車が相当する
自動運転レベル1 ハンドル操作、加速、減速といった自動車の操作のいずれかを自動的に制御して運転支援することができるクラス。自動ブレーキを搭載している程度のクラス
自動運転レベル2 ハンドル操作、加速、減速の中の複数の操作を自動的に制御して部分的に自動運転することができるクラス。ただし運転手が周囲の状況把握をしておかなければならず、ハンドルやペダルから手足を長時間離してはいけない。現在のほぼすべての自動運転システムがこのレベル
自動運転レベル3 特定の条件下であればシステムがすべての操作を行って自動運転できるクラス。高速道路、好天など運転しやすい環境であれば運転者はハンドルやペダルから手足を離してもかまいません
自動運転レベル4 レベル3と同レベルの条件であれば無人走行が可能なクラス。2019年9月現在、このクラスの自動運転車はコンセプトカーで登場した程度です
自動運転レベル5 どんな条件でも人工知能(AI)がすべて操作することができるクラスです

AIタクシー

AIタクシーは人の流れを予測し、タクシーの配車を最適にするサービスです。
これは、NTTドコモが保持している膨大なスマートフォンの位置情報と天気情報、公共交通機関の状況を総合的に活用して、AIで人の動きを予測し、その情報をタクシー会社へ提供することで実現しています。
タクシー会社は、AIタクシーから得た情報をもとにしてタクシーの配車を行うことで、効率よく乗客を獲得することができるわけです。
膨大な情報を保持しているNTTドコモだからできたサービスとも言えますが、企業が持つ情報を積極的に活用した一例と言えるでしょう。

マカナちゃんとマイラちゃん


JALバーチャルアシスタント
日本航空(JAL)がIBMのWatsonを活用して提供しているサービスが、「マカナちゃん」と「マイラちゃん」です。

マカナちゃんはハワイ、マイラちゃんはグアムのレストランや観光スポット、最安値などを紹介してくれるバーチャルアシスタントです。
JALが保有している過去のツアー情報や顧客からの口コミ、現地の情報などを利用して、利用者に最適なプランを提供することができます。
こちらも企業の持つ膨大なデータを利用した好例と言えます。

今後AIはどこまで進化するか

AI 進化

過去2回のAIブームのときもそうですが、多くの人はAIへ過大な不安と期待を抱く傾向があります。
しかし、現在のAIブームはこれまでよりも画期的で有望なものと言えます。
何が違うのか、実際はどこまで進化すると予測されているのかを紹介していきましょう。

AIが人間を超える!?シンギュラリティ(技術的特異点)の到来

シンギュラリティ」という言葉をご存知でしょうか?
日本語では「特異点」と訳される数学や物理の世界で使われる言葉で、一般的な説明や公式が適用できない点(状態)のことを示します。

人工知能(AI)にもこの特異点が到来すると言われており、2005年に未来学者のレイ・カーツワイス氏が著書の中で提唱しました。
著書によると、その時期は2045年頃とされており、以下の2点が達成されることでシンギュラリティに到達すると言われています。

・人類の全知能を合わせたよりもほんの少し優秀な知能を持つAIが誕生する
・AIが自分よりもほんの少し優秀なAIを作り出せるようになる

この2点が達成されると人工知能(AI)は加速度的に進化し、またたく間に人類の英知を遥かに超えます。
それがシンギュラリティです。

AIと仕事

シンギュラリティに到達することに懐疑的な研究者も多いですが、AIがどんどん進化していくことを疑う研究者はほとんどいません。
その一面として、「人工知能(AI)に仕事を奪われる」という話題がマスコミを賑わせました。
2013年に英オックスフォードのオズボーン准教授らが「今後10年から20年以内に47%もの仕事が人工知能(AI)に奪われる」という内容の論文を発表したからです。

この論文は賛否が分かれていますが、それでも最低9%程度の仕事が人工知能(AI)に奪われると言われています。
その代表的な職業を紹介していきましょう。

・ファイナンシャルプランナー
・師士業(税理士、会計士、司法書士、社会保険労務士など)
・歯科医師、獣医師
・生保営業
・建築コンサルタント
・薬剤師

これら以外にも、「ルーチン化できる仕事」や「知識があればできる仕事」がなくなるか給料が下がる傾向にあります。

ただし人工知能(AI)に奪われる職業がある一方、人工知能(AI)の登場によって必要となる職業もあります。

・データサイエンティスト
・AIエンジニア(プランナー、プロデューサー)
・人工知能(AI)との協働作業者
・調達責任者
・対人ヘルスケアサービス従事者

人工知能(AI)によって奪われる仕事は、ある意味「人としての暖かさが不要な仕事」と言えます。
その逆の対人的なサービス、特に心の拠り所となるような仕事は、いまよりも重要視されることになります。

また、人工知能(AI)をつくる、メンテナンスする技術者、AIが選び出したデータから最適な情報を得る仕事やAIの補助をする仕事も必要です。
つまり、いまコンピュータに従事している数多くのエンジニアと同じように、AIに従事して使いこなすエンジニアが必要となるわけです。

AI時代を生き抜くためには?

ステップアップ

これから訪れるAI時代を生き残るために必要なことは、どんなことでしょうか?
ここまでの説明を読んでなんとなくイメージできている人も、具体的にどうすれば良いかまでは思いついていないかもしれません。

端的に説明すれば「AIに興味を持って使う側になる」ということです。
そのために必要なことを考えて、行動していかなければいけません。

AIを扱う側になるのであれば、プログラミングや機械学習、ディープラーニングの学習を始めても良いでしょう。
使う側になるのであれば、人工知能(AI)が浸透した世界を想像し、そこで自分がどう生きているかを思い描くことが大切です。
そうすることで、自分に足りないことが見えてくるかもしれません。

どちらにせよ大切なのは、多くの人がまだ始めようともしていない、AI時代へ向けた備えを一刻も早く始めることです。

機械学習と深層学習についてもっと知ろう

AIに興味がある人へ向けて、機械学習と深層学習(ディープラーニング)について紹介しましょう。

これらを知ることで現在の人工知能(AI)の基本を押さえることになります。また、人工知能(AI)の現状をもっと知ることができるようになります。
それに加えて、様々なメディアで報道される人工知能(AI)が、本当の進歩なのか既存技術の焼き増しなのかが見分けられるようになることでしょう。

そしてなにより、AI時代を生き抜く道標となる知識を得ることができるのです。

機械学習とは

機械学習というのは、次のいずれかの方法を使って機械に学習させる(機械が学習する)ことです。

・教師あり学習
・教師なし学習
・強化学習

ただし、「学習」といってもただ記憶するのではなく、人工知能AI が情報の識別や予測ができるようになることを指します。
なお、これらの方法には優劣はなく、AIの目的によって最適な手法をとります。

教師あり学習

入力値(問題)とそれに対応する出力値(答え)を渡すことで、AIに関係性を教える方法です。
学習した関係性や特徴から、未知の入力値に対しても確からしい出力値を得ることができるようになります。

教師なし学習

入力値を与えることで、AIにその特徴や構造を見つけ出させる学習方法です。
適切なアルゴリズムを使用することで、AIが入力値を適切に分類や識別することができるようになります。

強化学習

教師あり学習や教師なし学習は、そのAIが使われる環境に合った入力値を開発者が与えます。
強化学習では、AIが「自分が置かれた環境情報」を入力値として取り込み、それらから出力値を無数につくります。そして、特定の価値が最大になる出力値を正解として学習していくという学習手法です。

深層学習(ディープラーニング)とは

ディープラーニングは機械学習の新たな手法の1つです。
これまでの学習手法は適切な答えがある(言葉にできる)課題を対象にしたAIのためのものでした。
しかし、より応用範囲の広い「強いAI」を目指すためには、言葉にできないものが答えになる課題も解決する必要があります。

ディープラーニングを利用して学習すれば、そんな「言葉にならない感覚的な答え」も見つけられるのです。

なお、ディープラーニングで利用するニューラルネットワークには、人工知能(AI)の用途に合わせていくつかの種類が提唱されています。
代表的なものを3つ紹介しましょう。

DNN
(ディープニューラルネットワーク)
生物の神経回路網をモデルとしたアルゴリズムで、ディープラーニングの基本的構造
CNN
(畳み込みニューラルネットワーク)
DNNを2次元的データに対応させたもので、画像パターンの認識を得意としている
RNN
(再帰的ニューラルネットワーク)
画像のような固定長データではなく、動画や音声のように事前にサイズが規定されていないデータを扱えるようにしたアルゴリズム

AIプログラミングを勉強しよう

もし将来的にAIエンジニアを目指している人がいれば、前述の通りプログラミングの学習は欠かせません。
どんなプログラミング言語でも興味を持って続けられるものであればかまいませんが、AIエンジニアを目指す方にオススメしたいのがPythonです。

AIプログラミングならPython!

Pythonをおすすめする理由は、以下のようなものです。

・現在のAIプログラムや研究の多くがPythonで行われている
・AI関連のライブラリ(複雑な処理を簡単にしてくれる処理の塊)が多数存在している
・AIについて書かれたサイトや書籍などでは、Pythonが使われていることがほとんど

Pythonには人工知能(AI)に関するノウハウやツールが数多く蓄積されています。そのため、参考資料がたくさん存在しているのです。
Pythonは、AIエンジニアの第一歩としては最適なプログラミング言語と言えるでしょう。

具体的にどうやって「機械学習」を勉強するのか?

機械学習の勉強は、一般的なプログラミングの勉強などと違って、複合的な知識の取得が必要です。
具体的には、以下のような知識が必要になってきます。

・プログラミングスキル
・高校レベルの数学や統計
・機械学習の概念やアルゴリズム
・データベース、モデリング

これらを見て、愕然とした人もいるかもしれませんが、ご安心ください。
じつは、Pythonをご存知の人であれば、数学やデータベースなどの解説も含めた機械学習の参考書が数多くあります。
また、目的によっても学習ルートを変えていく必要があるため、戦略的に学習カリキュラムを組むことをオススメします。

Pythonの独学について詳しく知りたい方はこちらがオススメです。

Python 独学Pythonを独学で学ぶには?おすすめの勉強方法を解説!

まとめ

AIは確実に進歩しており、すでに人々の生活の中に浸透し始めています。
長い長い下積み時代を終えて飛躍の時期に差し掛かっているわけです。
そんなAIについて、まとめておきましょう。

・AIとは、「人工的につくられた知能」のこと
・AIには、自律性と適応性がある
・弱いAIは特定の条件下で自律的に判断できるAIで、すでに実現している
・強いAIは汎用的な条件下で自律的に判断できるAI
・いまは第3次AIブームで、インターネットと機械学習の確立がそのきっかけ
・AIが自分よりも優秀なAIをつくることができるようになったとき、AIはシンギュラリティに達して人類を超越した知能が生まれる
・機械学習はAIが与えられたデータから自動的に学習すること
・ディープラーニングは機械学習の1つの手法で、これまでの機械学習にない曖昧さを学習できる
・AIにはPythonが最適

AIは、社会を大きく変えてしまう力を持っています。
だからこそ、いまのうちに興味を持って正しい知識を獲得しておくことができれば、AIを活用する側として活躍できるかもしれません。
まずはAIとどう関わっていきたいか考え、将来に向けてアクションを起こしていきましょう。

1月枠も残りわずか!!

エンジニア転職を目指すなら…

転職保証付きプログラミングスクール

で未経験からエンジニア目指そう

 

✔︎未経験からの転職 ✔︎会社の将来が不安 ✔︎給与や待遇に不満がある

 

転職保証コースは質の高いカリキュラムで転職成功率98%

 

転職保証付のDMM WEBCAMPで
安心してエンジニア転職を目指そう

「スキルがないし…」「失敗したくないし…」
カウンセラーがあなたのキャリアを真剣に考え、
ご相談に乗ります。