[初心者向け]人工知能とは | 人工知能の歴史と仕組みを解説

人工知能(AI)は、ヒトの脳を模倣して処理するシステムです。
人工知能を利用すると、ヒトの様々なタスクを自動化することができます。
人工知能の概要と仕組みを理解できれば、自分ができるタスクを大幅に拡張することができます。

知能と人工知能

人工知能を知るために、知能について考えてみます。
知能を人工的に再現したものが人工知能です。

知能とは

知能とは、思考することです。
ヒトは、知能があるため思考することができます。

ヒトの脳は、視覚/聴覚/触覚/味覚/嗅覚の五感からのインプットをもとに、脳内で考えて言語を発言したり運動したりしてアウトプットをしています。
会話を例にすると、”こんにちは”と話しかけられた場合、過去の記憶や知識から、”こんにちは”を応答すべきと考えて返事をします。
この回答を考えるという機能が知能に当たる部分です。

人工知能とは

人工知能(AI)は、 ヒトの脳を模倣して、学習や推論、問題解決、自然言語理解などのタスクを自動で実行できるシステムです。

スマートスピーカーや生成AIに”こんにちは”とインプットすると、学習したデータの中から回答を推論し、”こんにちは”を応答してくれます。
インプットに対して学習データをもとに推論し、アウトプットする機能が人工知能です。

映画や小説などのSFでは、人型のロボットが人間と同じように生活したり、敵対する姿が描かれますが、ロボット＝人工知能ではなく、思考機能が人工知能です。

ニューロンと人工ニューロン

人工知能では、脳の要素であるニューロンを模した人工ニューロンを使用して、制御しています。

ニューロンとは

ニューロンとは、ヒトの脳を構成する神経細胞です。
ニューロンが複数つながって、脳のネットワークを構成しています。
思考する際には、ニューロンを通って電気信号が発火するかで、処理していきます。

人工ニューロンとは

人工ニューロンとは、ヒトのニューロンを人工的に再現したものです。
ニューロンと同等の機能を、アルゴリズム化して、論理的な演算によって、コンピュータで処理していきます。

人工知能の歴史

人工知能の歴史を紹介します。

年代	AIブーム	使用技術
1950年代 – 1960年代	第1次AIブーム	探索 推論 パーセプトロン 自然言語処理 ニューラルネットワーク エキスパートシステム
1970年代	冬の時代
1980年代 – 1990年代	第2次AIブーム	知識ベース処理 音声認識
1990年代	冬の時代
2000年代 –	第3次AIブーム	ディープラーニング 強化学習 自然言語処理(NLP) 生成AI

第1次AIブーム(1950年代 – 1960年代)

アラン・チューリングが”チューリングテスト”を提案し、機械が知能を持つかどうかを判断する基準を定義しました。
ダートマス会議で”人工知能”という用語が初めて使われます。
ニューラルネットワークの基礎であるパーセプトロンが開発され、パターン認識ができるようになります。
第1次AIブームでは、アルゴリズムにより探索や推論ができるようになりましたが、複雑で高度な処理は行うことができず、冬の時代を迎えます。

第2次AIブーム(1980年代 – 1990年代)

コンピュータが理解できるように加工した学習データをヒトが与えることで知識として、知識ベースの処理ができるようになります。
第2次AIブームでは、加工した学習データを与えることで、処理することが可能となりましたが、全てのデータを人力で加工することは現実的ではないので、冬の時代を迎えます。

第3次AIブーム(2000年代 – 現在)

インターネットの登場とコンピュータの一般化によって、ビッグデータが扱うことが可能となったことで、機械学習の技術が大きく発展します。
ディープラーニングも登場し、ビッグデータを用いて、複雑なパターン認識ができるようになります。
自動運転、音声アシスタント、医療診断など多くの応用分野でAIが利用されるようになります。
大規模言語モデルが登場し、生成AIの分野で飛躍的に処理性能が向上しています。
第3次AIブームでは、コンピュータの一般化や処理速度の向上、処理容量の増加によって、ビッグデータを扱うことができるようになり、様々な処理がAIで実行できるよう担っています。

人工知能の歴史を振り返ると、複数のブームが繰り返し発生して、できることが増えていることがわかります。
各ブームの間には冬の時代がありますが、 コンピュータの進化によって克服し、人工知能の処理能力も向上してきていることがわかります。

人工知能でできること

人工知能では、様々な処理を実行することができます。

処理	処理内容
画像認識	写真や映像から特定の物体や人物を識別する
自然言語処理	テキストの分析、翻訳、要約、生成などを行う
自動運転	自動車の運転を自動化する
自動翻訳	テキストを別の言語に翻訳する
音声認識	音声をテキストに変換する
音声合成	テキストを音声に変換する

人工知能の種類

AIは、機能や能力によって分類することができます。

弱いAI

特定のタスクに特化したAIで、例えば音声アシスタントや画像認識システムなどが該当します。
特定の問題を解決するために設計されており、他の領域には適用できません。
特定の処理を実行していることから、汎用性はなく、真に知的とは言えない部分があります。

強いAI

人間と同等の知能を持ち、多様なタスクを実行できるAIを指します。
現在のところ、このレベルのAIは存在しておらず、研究開発が続けられています。

汎用人工知能(AGI)

あらゆるタスクを人間の知能と同等か超越した能力で実行できるAIのことを指します。
AGIは現実には存在していませんが、実現に向けて研究が進められています。

人工知能の技術と仕組み

人工知能の技術と仕組みを紹介します。

人工ニューロン

人工ニューロンは、ヒトの脳の要素であるニューロンを模した制御をします。
ヒトの脳内にあるニューロンは、入力された電気信号に対して、電気信号を出力するか出力しないかを判断しています。

人工ニューロンは、ニューロンと同等の動作を論理演算によって実現します。
人工ニューロンでは、入力データに対して重みとバイアスで演算して演算結果を生成します。
演算結果が一定の閾値を超えるかどうかによって、出力データのON/OFFを切り替えます。

機械学習

機械学習は、データから機械が自動で学習します。
学習データを用いたトレーニングにより、法則性やパターンを発見して、結果を推論します。
機械学習の種類を紹介します。

教師あり学習

入力データと出力データ学習データとして、トレーニングします。
入力データと出力データの関係性を分析して、結果を出力します。

教師なし学習

入力データを学習データとしてトレーニングします。
クラスタリング手法で用いられ、レコメンデーション等で利用されます。

強化学習

システムが自ら学習して、精度の高い出力をします。
学習を繰り返して、学習精度を強化していきます。

ニューラルネットワーク

ニューラルネットワークは、人工ニューロンを使用したアルゴリズムであり、多層構造を持つことでより複雑な問題を解くことが可能です。
入力層/中間層/出力層にデータを通して演算した結果で、処理結果を出力します。
ニューラルネットワークは、画像認識や自然言語処理など、様々な分野で使われています。

ディープラーニング

ディープラーニングは、ニューラルネットワークの中間層を複数にして多層化したものです。
通常のニューラルネットワークよりもはるかに多くの層を持つことで、より高度なデータ処理が可能となり、画像認識、音声認識、自然言語処理などの複雑なタスクで優れた精度で処理することができます。

生成AI

生成AI(Generative AI)は、コンテンツを生成することができるAIです。
生成AIは、学習データをもとに、テキスト/画像/動画/音声などを生成することができます。
従来のAIは、決められた範囲のデータを学習して、決められた範囲で出力していました。
例えば、音声認識AIでは、音声認識に必要な音声データやテキストデータを学習し、音声を入力するとテキストが出力されていました。
この方法では、処理を自動化できますが、コンテンツを生成することはできません。

生成AIでは、基本的にはプロンプトとよばれる入力データを入力すると、コンテンツを生成することができます。
プロンプトは一般ユーザーでも簡単に入力することができるため、技術的な専門性知識がなくても、簡単にコンテンツを生成することができるのが特徴です。

生成画像

まとめ

人工知能(AI)の概要と仕組みを紹介しました。

人工知能(AI)は、多くの分野で活躍しており、今後も大きく発展していくと思います。
AIに対する理解を深めることで、エンジニアの開発範囲の拡大や生産性の向上ができます。
AIの基本的な概念や歴史、できることを理解することで、AIを適切に利用できるので、自分の生活を豊かにすることができると思います。