STAY MINIMAL

読者です 読者をやめる 読者になる 読者になる

【保存版】人工知能って何?歴史や将来の可能性を10分で理解できるまとめ【2016年度】

本・書評 オピニオン

スポンサーリンク

人工知能ってよく聞くけど正直よく分かってない

人工知能についてもともと興味があってもっと詳しく知りたいなぁと思っていた。最近になってニュースなど色んなメディアで話題になっているし、今後の僕たちの生活にも大きな影響を与えそうな気がしてならない。

でも、そもそも人工知能って何なの?っていう疑問は正直あった。そこで、人工知能についてもっと理解を深められる本を探していたらこんな本に出会った。人工知能の核心と現実に迫ることができた。

本の目次はこんな感じ。

 はじめに 人工知能の春
 序章 広がる人工知能ー人工知能は人類を滅ぼすか
 第1章 人工知能とは何かー専門家と世間の認識のズレ
 第2章 「推論」と「探索」の時代ー第1次AIブーム
 第3章 「知識」を入れると賢くなるー第2次AIブーム
 第4章 「機械学習」の静かな広がりー第3次AIブーム①
 第5章 静寂を破る「ディープラーニング」ー第3次AIブーム②
 第6章 人工知能は人間を超えるかーディープラーニングの先にあるもの
 終章 変わりゆく世界ー産業・社会への影響と戦略

この本を読めばこんなことが理解できるようになっている。

▶︎人工知能の歴史(過去・現在・未来)

▶︎今、人工知能の研究はどこまで進んでいるのか

▶︎人工知能の発達によって未来の僕たちの身に起こりそうなことは何か?

こういった情報がかなり詳しく分かりやすく解説されている本だ。大まかな全体像が掴めたし、人工知能を作り出すのに何が難しいのか?などこの1冊で疑問をかなり解決することができた。

今回はこの本の内容をもとに、人工知能についてざっくりと10分程度で理解できるようにまとめてみた。大まかには次の流れで説明していく。

  • 人工知能ブームの歴史と背景
  • 人工知能の現状
  • 人工知能の限界と壁
  • ディープラーニング(深層学習)の可能性
  • これから僕達の身に起こりそうなこと

人工知能ブームの歴史から人工知能とは何かを知る

最近になってやたらと人工知能という言葉に出会うようになった。ソフトバンクのPepperペッパーくんが店頭に立って接客していたりする。ますます人間がロボットへと置き換わる未来を感じざるを得なくなっている。(ちなみにペッパーくんは法人契約で月55000円で雇えるらしい)

電脳戦と呼ばれる将棋戦では人工知能と人間の対決が行われ、実際に人工知能がプロの棋士に勝利したことも注目を浴びている。人工知能と人間の頂上決戦はニコニコ動画でも話題になっていた。

さらに、人工知能が東大の合格を目指すプログラムも2011年から行われている。人工知能が日本最高峰の東京大学の入試に合格できるのか?人工知能が人間の知能と処理能力を超えるのか注目が集まっている。

様々なニュースに取り上げられた情報を見ると、まるで人工知能が人間をもう超えてしまう未来が待っているように感じられる。これが今僕たちが抱いている認識だ。でも、実際には実現しそうなことと乗り越えなければならない問題の差は実はかなり大きい。

今起こっていることは、いわゆる人工知能ブームに近いだけかもしれないのだ。

人工知能の今を正しく理解しておくことで、今流れている人工知能に関するニュースをより冷静に判断することができる。そのためにはまず歴史とこれまでの流れを大まかに掴んでおくことが大切だ。次の項から具体的な人工知能の歴史と今を見ていってみる。

人工知能ブームはすでに2回来ている

f:id:kei_ta1211:20160615223754j:plain
図① 出典:1603夜『人工知能は人間を超えるか』松尾豊|松岡正剛の千夜千冊

f:id:kei_ta1211:20160619232611j:plain
図② 出典:人工知能の勘所をつかむ|デジタルマーケティング情報サイト MarketingBase

歴史を紐解いてみると、実は人工知能の第1次ブームは1956年〜1960年代第2次ブームは1980年代にすでに来ていることが分かる。いずれも本来の人工知能の実力が理解されないまま理想の人工知能論だけが一人歩きし、限界が見えた段階で盛り上がりの熱は冷めてしまっている。

こうした冬の時代と呼ばれる期間を経て、2010年以降に第3次ブームが起こりこの流れが現在も続いていることが分かる

こうして眺めてみると1950年頃から現在までずっと人工知能の研究は続いており、新たな発見があるごとにメディアに取り出されて一気にブームになっていっている過程がよく分かる。

おなじみのiPhoneのSiri(シリ)の前身となる技術は実はもう50年前に誕生している。図①の1964年に開発されたELIZA(イライザ)がその前身だ。

Siriにイライザのことを訊くと不思議な回答が返ってくると一時期「都市伝説」として取り上げられていたが、この図を見ればSiriとELIZAの関係性が見えてくる。

f:id:kei_ta1211:20160615225401j:plain

これまで「人工知能で機械が人間を超える時代が来る」とさんざん語られては消えてきた主な理由は実力を超えた過度な期待があったからだ。

ブームが再熱している一つの大きな要因はディープラーニング(深層学習)という技術が開発されたからだ。これまでの人工知能の常識を打ち破る技術で、新たな可能性への期待が高まっている。このディープラーニングは名前だけでも聞いたことある!って方も多いだろう。

ディープラーニングによって再び人工知能に熱い視線が向けられ、第3次ブームとして大きな資金が動いている。

人工知能の現状について

f:id:kei_ta1211:20160619164153j:plain

人工知能が人間を制圧してしまうかもしれないと言われているが、現状の人工知能は今どの地点にいるのか、まずはそこから知っておきたい。

人工知能はまだこの世に存在していない

実は「人工知能」そのものはまだ誰も発明できていない。 この事実には僕もびっくりしたが、いわゆる本当の意味での人工知能=人間のように"考える"コンピュータはまだ存在していない。

僕たちの日常の中で人工知能と呼ばれているのは、いわゆる人工知能を生み出そうとした過程で生まれた副産物に過ぎない。例えば、音声認識、文字認識、自然言語処理(かな漢字変換など)、検索エンジンなどが人工知能の研究から生まれたものはたくさんある。

そもそも人間そのものをコンピュータで作り出すことは可能なのか?という問いに本書でこう書かれている。

人間を特別視したい気持ちもわかるが、脳の機能や、その計算のアルゴリズムとの対応を一つひとつ冷静に考えていけば、「人間の知能は、原理的にはすべてのコンピュータで実現できるはずだ」というのが、科学的には妥当な予想である。

本文第1章より引用

人間の感情や特徴・脳の機能はいわば電気回路と全く同じ性質を持っていて、科学的に人間の脳とほぼ同等の人工知能を作ることは可能との見方が強い。

いやいや、人間には感情があり、思いやりの気持ちがあるし機械にそれが出来るはずがないという反論はもちろんあると思うが、感情レベルがどのくらいで、持っている知識レベルがどのくらいで、判断する(選択する)項目は何か、という細かい情報を一つ一つ分解し繋ぎ合わせれば人間そのものを再現できる可能性は高い

もちろん、人工知能を実現するために必要な要素は沢山あるがそれはまた後ほど紹介していく。

人工知能=ロボットではない

f:id:kei_ta1211:20160619143554j:plain

僕もそうだったのだけど、そもそも人工知能とロボットを混同している場合が多い。人工知能はいわゆる人間でいう"脳"であり、ロボットそれ自体ではない。工場などで稼働しているロボットはプログラムという外部情報の入力があり、その入力された通りの動きをしているだけだ。もちろん、その中には人間で言う"知識"が情報として埋め込まれているものもある。では、これらのロボットと人工知能の何が違うのか?

それは自ら"考える"力が備わっているかどうか

この自ら考える力を持つ脳みそを作る研究がいわゆる人工知能の研究だ。逆に言えば、この脳みそが完成しない限り人工知能が勝手に一人で判断することもない。この研究については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の中でかなり細かく記されているので、もっと詳しく知りたい人は本を読んでみてほしい。

人工知能の大まかなレベル分け

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著書の中では人工知能を4つのレベルに分類している。以下の表は、レベル別にどんなことができるのか?をサラリーマン社会に置き換えて分かりやすく説明している。

f:id:kei_ta1211:20160619110107j:plain

出典:【書評】松尾豊先生とワトソンに学ぶ人工知能の課題 : 新規事業のつくり方より

レベル1(アルバイト:制御)

人間が情報を入力してあげてその通りに動くのみ。これはいわゆる制御システムでAという信号を送るとAという動き、Bという信号を送るとBという動きをするという単純な仕組み。

例えば荷物をAからある地点に運搬する場合、その荷物の縦、横、高さを測り大きさによってどこに持って行くかを選択するルールを決め、ただそのルールに従って単純に動くだけ。これは人工知能というより制御の技術に近い。

レベル2(一般社員:知識、推論、探索)

レベル1の振る舞いのパターンルールが多彩でかなりの数に上るものがレベル2だ。将棋のプログラムやお掃除ロボット、質問に自動的に答えてくれるプログラムなどが当てはまる。いわゆる人間の持つ知識をできる限り入れ込み、その中から最適解を選択している状態だ。※具体的に人間の知識を入れ込むことが一体どういう仕組みになっているかは著書を確認してほしい。

例えば、荷物運搬の場合レベル1の能力に加えて知識が付与できる。ワレモノ注意のタグがあればゆっくりと丁寧に作業する、冷蔵が必要なモノは冷蔵boxに入れる。特定のモノについては縦に置いたり、横に置いたりして運搬する。

第2次AIブームではこのレベルまでで挫折していた。「知識」を入れれば入れるほど機械は賢くはなるが、実用可能な知識と例外にも対応可能なものを作ろうとするほど入れ込む「知識」の数があまりにも膨大になってしまう。数の勝負になり、結果そのすべてを書ききれないという問題が発生した。

レベル3(課長:機械学習)

レベル1や2は「AのときはBをする」という行動パターンを沢山入れ込むだけだったが、レベル3になるとある程度のサンプル数から自動的にそのパターンルールを学ぶことができるようになる。

荷物運搬であれば、いくつかのサンプルと荷物のどの部分に注意するかという情報を人が入れてあげればあとは勝手に機械が試行錯誤を繰り返してルールを作り上げていく。ただし、人が教えていない突発的な荷物が来たら「人がその荷物の何に注意するか」を随時教えて更新していく必要がある。

現在の人工知能はこの段階を右往左往している。レベル2まではいかに「知識」の量を増やしていくか?が重要だったけど、レベル3ではある一定量のサンプルを元に自動的にルールを作り、最も答えに近いものを当てはめていく方式になる。答えを全て知っている状態ではなく、答えとなり得るものを選択する方法を学習していく

これはGoogleやyahooなどの検索エンジンなどに代表され、「AはBである」という構造を1から100まですべてしらみ潰しに理解するのではなく、ある程度のパターンから推察して最も近いであろう選択肢を選ぶことができるのが最大の特徴だ。

レベル4(経営層:特徴表現学習)

このレベルは先ほどのレベル3にあった「人がその荷物の何に注意するか」というパターンルールさえも人工知能が自ら学んで知識データとして積み重ねていける。

荷物運搬であればいくつかサンプルを与えれば、あとは勝手に機械がパターンとルールを学んで最も効率的な運び方と扱い方を自ら最適化していく。この荷物は小さいけど細長いので斜めに持って、中身は繊細で割れやすい材質なので注意しながら最短距離で運ぶ、といった具合。一旦、サンプルが出来ればそれ以降はまたその経験を元に行動し最も正しい運び方を自ら勝手に学んでいく。

この段階までくると本当の意味での「全自動化」が見えてくる。しかし、これら4つのレベルを見てみるとまだ人工知能には人の手でパターンやルールなどの情報を与えなければ動かない段階にあることが分かる

人工知能が0ベースからすべてを一人で学び勝手に行動するのは不可能であり、その地点に到達するにはまだまだ時間がかかる。

機械学習について詳しく知る

f:id:kei_ta1211:20160619181632j:plain

人工知能を考える上で大切なことなのであえて紹介しておきたい。例えば、先ほどのレベル3以上の人工知能を作り出す時に必要なのは"人工知能そのものが勝手に学習する仕組み"だ。この学習について本文から引用しておく。

そもそも学習とは何か。どうなれば学習したと言えるのか。学習の根幹を成すのは「分ける」という処理である。ある事象について判断する。それが何かを認識する。うまく「分ける」ことができれば、物事を理解することもできるし、判断して行動することもできる。「分ける」作業は、すなわち「イエスかノーで答える問題」である。

本文第4章より引用

機械学習とは、大量のデータを処理しながらこの「分け方」を自動的に習得することだ。

僕たちも毎日のささいな行動の中で絶えず「イエスかノー」を選択して行動に移している。つまり、この「分け方」を突き詰めていくことが人工知能そのものを作り上げることに繋がってくる。

今見えている人工知能の限界と壁

f:id:kei_ta1211:20160619170821j:plain

次に、人工知能の研究において何が壁になっているのか?について大まかにまとめていく。

人工知能の壁① インプットさせる情報が多すぎて時間がかかる

先ほど脳は電気回路とほぼ同じ性質を持ち、人間の知能は原理的にはすべてのコンピュータで実現可能だと紹介した。ここで問題になるのが以下の3点だ。

  • そもそも無限にある膨大な人の要素を一つ一つが多すぎる
  • 一つ一つのデータをコンピュータに入力する時間がかかりすぎる
  • 多くの要素を入れすぎると要素同士で矛盾が発生する

いわゆる入力すべき途方もない情報量の多さが大きな壁になっている。そもそもパターンなんて何千何万通りもあるし、それが状況によって毎回変わっていく。この全ての情報一つ一つを入れ込むことなんて不可能に近い。

人工知能の壁② どの特徴に注目して情報を取り出すべきか、その概念を理解するのに人の手が必要

分かりにくいと思うので、ざっくりとネコを例に考えてみよう。

f:id:kei_ta1211:20160619180114j:plain

ここにめっちゃ可愛い猫がいる。僕たちは一目見ただけでこれが"猫"だと瞬時に判断できるはず。では人工知能にこれを認識させようとした場合どうなるか?そもそもの猫の特徴を覚えさせる必要が出てくるのだ。

まず、どの部分が猫と判断できる特徴なのか?=特徴量を人が人工知能に教え込むことから始まる。そしてその特徴を元に認識した物体が"猫"であるという概念を覚えてもらう必要がある。これが難しい。

人には視覚、聴覚、嗅覚、味覚、触覚があり、判断するための方法や手段は沢山ある。そして世間一般的な常識として、この画像が猫だという概念自体も当然理解している。

じゃあ同じことを人工知能にさせようとした場合どうなるか。

  • 判断するための方法・手段を持つこと
  • 得た情報をうまく処理して猫だと判断すること
  • そもそも猫というものが何なのかその概念を知っていること
  • 概念を形づくるための世間一般の常識や背景を知っておくこと

これだけのことをする必要がある。しかも、仮に猫だと判断できたとしてその猫が「可愛い猫」かどうかを判断するにはまた別の特徴量が必要になってくる。 

つまり 「人工知能がこの特徴量と概念を一人で勝手に学習できないこと」が最大の壁になっている。人間が情報を与えない限り、人工知能は0ベースから学習ができないのだ。

しかし、この壁を崩すことができる可能性を持った技術こそがディープラーニング(深層学習)だ。

ディープラーニングの発見と第3次ブームに沸く現在

第2次ブーム終焉で全く語られなくなった人工知能が、20年以上の空白期間を経て再び注目を浴びたのはディープラーニングという技術が発見されたからだ。

ディープラーニングとは?

一言でいうと特徴表現そのものを機械が自ら学習すること。先ほどの猫の認識を例にすると、猫だと判断するための情報を人工知能自らが作り出していける

これによって「データをもとにコンピュータが自ら特徴量を作り出す」ことができるようになる。下記の図をもとに詳しく説明してみる。

f:id:kei_ta1211:20160620003348p:plain

▶︎画像を見たときにその特徴を判断するための材料が耳・目・鼻など何層にも分かれている。この層を増やすことで方法・手段が増え、より精度の高い判断が可能になる。(図の赤字部分)

▶︎出力層と呼ばれる部分でわざと間違いのデータを突き合せることで認識のズレや矛盾を無くすことが出来る。ざっくり言うと処理能力が上がる。(図の青字部分)

▶︎この学習自体を一つのデータとして自動的に学習して蓄えていき、次回の認識の時の判断基準の一つとして使うことが出来る。常識・背景をデータ化できる。(図の緑字部分)

この詳細を一つ一つ説明するとなるとかなり難しいため気になる方は著書を参考にしていただきたい。ディープラーニングは先ほどの壁をぶち壊せる可能性を秘めている。

これから将来僕たちの身に起こりそうなこと

ここからは僕自身の考え方も含まれているので参考程度に見ていただきたいです。このディープラーニングによってどんなモノが登場するのか、僕はめちゃくちゃワクワクしてます。

ディープラーニングの発達が製品に活かされた場合を考えてみる

ディープラーニングによってあらゆるモノのより精度の高い予測ができるようになるかもしれない。例えばだが、以下は僕が個人的にこうなるかもしれないと思っていることだ。(希望的観測も含む)

▶︎天気、株価予想、景気予測、ギャンブル予想の精度が極端に上昇する

▶︎カメラのレンズを通すだけで被写体を認識し、その時の日差し、角度、被写体の大きさ、あらゆる特徴を元に一番ベストなモードを選択し綺麗な写真が撮れる

▶︎防犯カメラに映った道ゆく人の中から不審者の動きに最も近い行動をしている人の特徴を自動的に洗い出し警告してくれる

▶︎ドライブレコーダーで車の運転を記録して最も事故が多い人の特徴を元に自分の運転が危ないかどうかを判定

▶︎落ち込んでいる人、元気いっぱいの人を顔の表情や身のこなしから判断し、その人にあった最適な情報や広告を提供する

▶︎人の動きを瞬時に判断し、身振り手振りだけで遠くから製品に触ることなく再生や音量の調節ができるスピーカー

▶︎製造ラインの機械が流れてくる製品をどのタイミングでどういう動きで流せば最も効率が良いかを判断し効率を上げる

勝手な妄想は膨らむばかり…でも、人工知能の可能性って本当に人間を超えたものができるかもしれないという恐ろしさもある。

将来なくなってしまう可能性のある職業

これまで人工知能によって無くなると思われていた畑仕事などは確かに半自動化が進んでいる。でも、全く仕事がなくなったかといえばそうではなく、逆に機械やプログラミングをする人たちの仕事の需要は増えてきているのは事実だ。ある仕事が無くなれば、その代わりに必要な仕事が必ず出てくるはずだ。

以下は、オックスフォード大学の論文で「10〜20年以内になくなる職業と残る職業のリスト」で今後なくなるかもしれない仕事についてリスト化されている。人工知能の進化について考えることは、僕達のこれからの生き方とか仕事の仕方について考えるヒントになってきそうだ。

f:id:kei_ta1211:20160615233324j:plain

f:id:kei_ta1211:20160615233335j:plain

ただ、僕の予想としては人工知能を搭載する機械が人間の代わりにできる仕事が増えれば増えるほど、直接的な人と人のコミュニケーションの価値は逆に上がっていくような気がしている。現に、コンピュータに勝手に判断された広告を見るよりも人が直接話す方が何倍も説得力がある。このあたりを予想していくことも楽しい。

終わりに 人工知能を作ることは人を知ること

f:id:kei_ta1211:20160619185445j:plain

僕たちは普段何も考えなくても、空気を読んだり、相手とコミュニケーションをとったり、気分や精神的な苦しさとか嬉しさを感じたり、環境によって対応を変えたりしている。無意識のうちに体が反応する本能を備えている。そしてそれが世間一般の常識になりその国独自の文化になっている。

あいまいな空気感とか常識、文化というものは人工知能にとってかなり厄介なものだということが本書で分かる。その要素を確実に一つ一つ理解することは、人の脳の全てを完全に解明する必要がある。

つまり、人工知能を知ることは「人間そのものを理解する」ことに繋がってくる

たくさんの可能性に満ちた人工知能だけど、目先の情報だけに惑わされずその背景をきちんと知ることが大事だと思えた。うまく活用すれば、これまで不可能だと思われていたことがどんどん可能になってくるはず。僕はこれからもウォッチし続けていきたいと思っている。

かなり長文になってしまいましたが、最後までお読み頂きありがとうございました。

今回はメインで松尾豊さんの著書を参考にさせて個人的にまとめてみた。不備などあると思うのでぜひ著書で自分なりに真実を確かめてほしい。

<今回参考にさせていただいた書籍を紹介>

過去記事みんなの友達の平均数って何人?ヒトとの関係性をダンバー数と進化心理学から見る【書評】

過去記事英語は勉強しなくていい?言語の壁を超えるウエアラブル同時翻訳機"ILI(イリー)" の可能性

過去記事本当にためになる教養人・偉人の読んでおくべきおすすめ本10選【2016年】