人工知能とは何ですか? AIの概要、歴史、種類

人工知能（AI）とは何ですか？

AI (人工知能) は、知覚、学習、推論、問題解決など、人間と同じように認知機能を実行する機械の能力です。 AI のベンチマークは、推論、発話、視覚に関する人間のレベルです。

この中の 人工知能のチュートリアルでは、以下のAIの基礎を学びます。

人工知能レベルの概要

現在、AI はほぼすべての業界で使用されており、AI を大規模に統合するすべての企業に技術的な優位性を与えています。マッキンゼーによると、AI は小売業で 600 億ドルの価値を生み出す可能性があり、銀行業では他の分析技術と比較して 50% 高い増分価値をもたらします。運輸および物流では、潜在的な収益の急増は 89% 増加します。

具体的には、組織がマーケティング チームに AI を使用すると、日常的で反復的なタスクを自動化できるため、営業担当者は関係構築やリード育成などに集中できます。Gong という会社は会話インテリジェンス サービスを提供しています。営業担当者が電話をかけるたびに、機械が会話を録音、書き起こし、分析します。VP は AI 分析と推奨を使用して、勝利の戦略を策定できます。

簡単に言えば、AI は人間が処理できない複雑なデータを処理する最先端のテクノロジーを提供します。AI は冗長なジョブを自動化し、作業者が高レベルの付加価値タスクに集中できるようにします。AI を大規模に実装すると、コスト削減と収益増加につながります。

人工知能の歴史

人工知能は今日の流行語ですが、この用語は新しいものではありません。 1956 年、さまざまな背景を持つ前衛的な専門家が AI に関する夏の研究プロジェクトを組織することを決定しました。 XNUMX 人の聡明な頭脳がプロジェクトを主導しました。ジョン・マッカーシー (ダートマス大学)、マービン・ミンスキー (ハーバード大学)、ナサニエル・ロチェスター (IBM）、クロード・シャノン（ベル電話研究所）。

ここでは、人工知能の簡単な歴史を示します。

人工知能の目標

AI の主な目標は次のとおりです。

• 特定のタスクの実行に必要な時間を短縮するのに役立ちます。
• 人間が機械と対話しやすくなります。
• より自然かつ効率的な方法で人間とコンピューターの対話を促進します。
• 医療診断の精度とスピードを向上させます。
• 人々が新しい情報をより早く学習できるようにします。
• 人間と機械の間のコミュニケーションを強化します。

人工知能の下位分野

ここでは、人工知能の重要な下位分野をいくつか示します。

機械学習: 機械学習は、例や経験から学習するアルゴリズムを研究する技術です。機械学習は、データ内のいくつかのパターンが特定され、将来の予測に使用されるという考えに基づいています。ルールをハードコーディングすることとの違いは、マシンがそのようなルールを見つけることを学習することです。

深層学習: ディープラーニングは機械学習の下位分野です。 ディープラーニングは、機械がより深い知識を学習することを意味するものではありません。 さまざまなレイヤーを使用してデータから学習します。 モデルの深さは、モデル内のレイヤーの数で表されます。 たとえば、画像認識の Google LeNet モデルは 22 層を数えます。

自然言語処理: ニューラル ネットワークは、接続された I/O ユニットのグループであり、各接続にはコンピューター プログラムに関連付けられた重みがあります。 大規模なデータベースから予測モデルを構築するのに役立ちます。 このモデルは人間の神経系に基づいて構築されています。 このモデルを使用して、画像の理解、人間の学習、コンピューターの音声などを行うことができます。

エキスパートシステム: エキスパート システムは、事実とヒューリスティックを使用して複雑な意思決定の問題を解決する、インタラクティブで信頼性の高いコンピューター ベースの意思決定システムです。また、人間の知能の最高レベルであると考えられています。エキスパート システムの主な目的は、特定のドメインにおける最も複雑な問題を解決することです。

ファジィ論理: ファジー ロジックは、0 ～ 1 の間の任意の実数の変数の真理値を持つことができる多値論理形式として定義されます。これは、部分真理のハンドル概念です。 現実の生活では、その発言が正しいか間違っているか判断できない状況に遭遇することがあります。

人工知能の種類

人工知能には、ルールベース、デシジョン ツリー、ニューラル ネットワークの XNUMX つの主なタイプがあります。

• Narrow AI は、知能を備えた専用タスクの実行を支援する AI の一種です。
• 一般的な AI は、人間と同じようにあらゆる知的タスクを効率的に実行できる AI 知能の一種です。
• ルールベースの AI は、入力データ セットに適用される事前に決定された一連のルールに基づいています。 その後、システムは対応する出力を生成します。
• デシジョン ツリー AI は、事前に決定された一連のルールを使用して意思決定を行うという点でルールベース AI に似ています。 ただし、デシジョン ツリーでは、さまざまなオプションを検討するための分岐とループも可能です。
• スーパーAIとは、コンピュータが人間の言語を理解し、自然な方法で応答できるようにするAIの一種です。
• ロボットインテリジェンスは、推論、計画、学習などの複雑な認知能力をロボットに持たせる AI の一種です。

AI と機械学習

スマートフォン、日常的に使用するデバイス、さらにはインターネットのほとんどが人工知能を使用しています。最新のイノベーションを発表したい大企業では、AI と機械学習が同じ意味で使用されていることがよくあります。ただし、機械学習と AI はいくつかの点で異なります。

AI - 人工知能 - は、人間のタスクを実行するように機械を訓練する科学です。 この用語は、1950 年代に科学者がコンピューターで問題を解決する方法を模索し始めたときに発明されました。

人工知能は、人間に似た性質を与えられたコンピューターです。 私たちの脳を例にとってみましょう。 簡単かつシームレスに動作して、私たちの周囲の世界を計算します。 人工知能は、コンピューターでも同じことができるという概念です。 AIは人間の適性を模倣する大きな科学であると言えます。

機械学習は、機械に学習をさせる AI の別個のサブセットです。 機械学習モデルはデータ内のパターンを検索し、結論を導き出そうとします。 一言で言えば、マシンは人間によって明示的にプログラムされる必要はありません。 プログラマーはいくつかの例を示し、コンピューターはそれらのサンプルから何をすべきかを学習します。

ディープラーニングと機械学習と AI の違いもお読みください。 ここをクリック.

AIはどこで使われていますか？ 例

この初心者向け AI チュートリアルでは、AI のさまざまなアプリケーションを学習します。

AIは幅広いアプリケーションを持っています-

• 人工知能は、反復的なタスクを削減または回避するために使用されます。 たとえば、AI は疲労することなくタスクを継続的に繰り返すことができます。 AI は決して休むことがなく、実行すべきタスクには無関心です。
• 人工知能は既存の製品を改善します。 機械学習の時代以前は、コア製品はハードコード ルールに基づいて構築されていました。 企業は、新しい製品をゼロから設計するのではなく、製品の機能を強化するために人工知能を導入しました。 Facebook の画像を思い浮かべてください。 数年前までは、友達に手動でタグを付ける必要がありました。 最近では、AI の助けを借りて、Facebook が友達のおすすめを表示します。

AIは、マーケティングからサプライチェーン、金融、食品加工部門に至るまで、あらゆる業界で使用されています。 マッキンゼーの調査によると、金融サービスとハイテク通信が AI 分野をリードしています。

AIが今ブームになっているのはなぜですか？

この人工知能テストのチュートリアルでは、なぜ AI が今ブームになっているのかを学びましょう。 下の図で理解しましょう。

ニューラル ネットワークは、Yann LeCun の独創的な論文によって 2012 年代から登場しています。 しかし、XNUMX年頃から有名になり始めました。その人気のXNUMXつの重要な要因は次のとおりです。

1. Hardware
2. Rescale データ
3. アルゴリズム

機械学習は実験分野です。つまり、新しいアイデアやアプローチをテストするにはデータが必要です。 インターネットの隆盛により、データに簡単にアクセスできるようになりました。 さらに、NVIDIA や AMD などの巨大企業は、ゲーム市場向けに高性能グラフィックス チップを開発しました。

Hardware

過去 20 年間で、CPU の性能は爆発的に向上し、ユーザーはどのラップトップでも小規模なディープラーニング モデルをトレーニングできるようになりました。ただし、コンピューター ビジョンやディープラーニング用のディープラーニング モデルを処理するには、より強力なマシンが必要です。NVIDIA と AMD の投資により、新世代の GPU (グラフィック プロセッシング ユニット) が利用可能になりました。これらのチップにより並列計算が可能になり、マシンは計算を複数の GPU に分割して計算を高速化できます。

たとえば、NVIDIA TITAN X では、次のモデルをトレーニングするのに XNUMX 日かかります。 ImageNet 従来の CPU では数週間かかるのに対し、NVIDIA Tesla K80 では XNUMX 倍の速さで済みます。さらに、大企業では、データ センターのコスト削減とパフォーマンスの向上に役立つため、GPU クラスターを使用して NVIDIA Tesla KXNUMX でディープラーニング モデルをトレーニングしています。

Rescale データ

ディープラーニングはモデルの構造であり、データはモデルを生かすための流体です。 データは人工知能を強化します。 データがなければ何もできません。 最新のテクノロジーによりデータ ストレージの限界が押し広げられ、大量のデータをデータ センターに保存することがかつてないほど簡単になりました。

インターネット革命により、機械学習アルゴリズムにデータを供給するためのデータ収集と配信が可能になりました。 Flickr、Instagram やその他の画像のあるアプリを見れば、その AI の可能性を推測できます。これらの Web サイトでは、タグ付きの写真が何百万枚も入手できます。これらの写真は、手動でデータを収集してラベルを付ける必要がなく、写真上のオブジェクトを認識するようにニューラル ネットワーク モデルをトレーニングできます。

データと組み合わせた人工知能は、新たな黄金です。データは、どの企業も無視してはならない独自の競争上の優位性であり、AI はデータから最適な答えを提供します。すべての企業が同じテクノロジーを持つことができれば、データを持つ企業が競争上の優位性を持つことになります。参考までに、世界では毎日約 2.2 エクサバイト、つまり 2.2 億ギガバイトのデータが生成されています。

企業がパターンを見つけて大量に学習するには、非常に多様なデータ ソースが必要です。

アルゴリズム

ハードウェアはかつてないほど強力になり、データへのアクセスも容易になりましたが、ニューラル ネットワークの信頼性を高める要因の 2010 つは、より正確なアルゴリズムの開発です。プライマリ ニューラル ネットワークは、詳細な統計特性を持たない単純な乗算行列です。XNUMX 年以降、ニューラル ネットワークを改善するための注目すべき発見がなされてきました。

人工知能は、漸進的な学習アルゴリズムを使用して、データにプログラミングを行わせます。つまり、コンピューターは、異常を見つけてチャットボットになるなど、さまざまなタスクを実行する方法を自ら学習できるのです。

まとめ

• AI は完全な形です 人工知能は、人間のタスクを模倣または再現するために機械を訓練する科学です。
• 科学者はさまざまな方法を使用してマシンをトレーニングできます。 AI の時代の初めに、プログラマーはハードコーディングされたプログラムを作成し、マシンが直面する可能性のあるすべての論理的可能性とその対応方法を入力しました。
• システムが複雑になると、ルールの管理が難しくなります。この問題を克服するために、機械はデータを使用して、特定の環境からのすべての状況に対処する方法を学習できます。
• 強力な AI の最も重要な特徴は、かなりの異質性を備えた十分なデータを備えていることです。 たとえば、学習するのに十分な単語がある限り、機械はさまざまな言語を学習できます。
• AI は新たな最先端技術です。ベンチャーキャピタリストは新興企業や AI プロジェクトに数十億ドルを投資しており、マッキンゼーは AI があらゆる産業の成長率を少なくとも 2 桁に押し上げることができると見積もっています。
• 汎用AI、ルールベースAI、決定木AI、スーパーAIは人工知能の種類です。これらの概念の多くはAIチャットボットの作成に適用されます。興味があれば、これらの原則がいくつかのAIチャットボットにどのように実装されているかについて詳しく知ることができます。 最高のAIチャットボット 今日利用可能。

人工知能のビデオをご覧ください。 YouTube: ここをクリック