人工知能の発展と未来

人工知能（AI）技術の継続的な発展により、さまざまなAI製品が徐々に私たちの生活に入り込んできました。

昨今、さまざまなAI製品が徐々に私たちの生活に入り込んできています｜Pixabay

19 世紀、人工知能とコンピュータ サイエンスの先駆者である数学者チャールズ バベッジとエイダ ラブレスは、コネクティング ロッド、キャリー ギア、パンチ カードを使用して、人間の数学的および論理的計算能力をシミュレートする人類史上最古のプログラム可能な数学的コンピュータを作成しようとしました。

20世紀初頭、スペインの神経科学者ラモン・イ・カハールがゴルジ染色法を用いて脳切片の顕微鏡観察を行ったとき、人類はついに、ほぼすべての思考活動の基盤は脳内の特殊な神経細胞、つまりニューロンであり、ニューロンは長くて細い神経線維を伸ばし、互いに接続して巨大な情報ネットワークを形成していることに気づきました。

この時点で、知性の具体的な仕組みは依然として底なしの迷路であるものの、この迷路を構築するために使用されるレンガやタイルは、もはや人類にとって謎ではありません。

知性は物質的構造の特殊な形態です。

言葉を回族の墨で和紙に書いたり、彫刻刀で石板に刻んだりできるように、知性は必ずしも担い手に限定される必要はありません。神経科学の啓蒙と数学の進歩により、20 世紀のコンピュータ科学の先駆者たちは、機械で人間の知能を再現するというバベッジとエイダの試みが原理的には完全に実現可能であることを認識しました。そこで、アラン・チューリングに代表される新世代の学者たちは、第二次世界大戦後に出現した電子コンピュータを「人工知能」構築の媒体として利用できるかどうかについて考え始めました。

1950 年の論文「計算機と知能」の中で、チューリングは「人工知能」をテストする方法を説明する巧妙な「実験」を行った。

イギリスの数学者、コンピュータ科学者チューリング

この「実験」は後に「チューリング テスト」と呼ばれるようになりました。人間のテスターが、自分の身元が直接明らかにならないキーボードとディスプレイ画面を介して、人間とコンピューターと同時に「オンライン チャット」します。会話中の 2 人の「人」のうちどちらが本物でどちらが偽物かを人間のテスターの 70% が正しく判断できない場合、コンピューターは「人工知能」の基準に達したとみなされます。

チューリングテストは具体的な判断方法というよりは単なる教育的な思考実験であるが、彼はこの仮説を使って「知的な」判断の曖昧さと主観性を示した。彼の判断方法は、当時心理学界で台頭しつつあったスナーキンの「行動主義」と一致していた。つまり、チューリングとスキナーは、唯物論的一元論的思考に基づいて、知性、さらにはすべての思考活動は、情報処理システムが外部刺激に反応する一連の動作モードにすぎないと信じていました。したがって、他の観察者にとっては、2 つのシステムが同じ入力に直面したときに同じフィードバックを出力できる限り、それらは同じタイプであると見なすことができます。

1956 年に人工知能は正式に科学的概念となり、その後多くの新しい研究目標と方向性が生まれました。たとえば、人間が迷路で行き止まりに遭遇したときに新しいルートを探すのと同じように、エンジニアは人工知能が特定の目標を達成できるように、バックトラックできるアルゴリズムを作成しました。つまり、「検索ベースの推論」です。

人間の言語を使用してコンピューターと「通信」できるようにするために、エンジニアは「セマンティック ウェブ」を構築しました。こうして、初の英語を話すチャットロボット「ELIZA」が誕生しましたが、ELIZAは決まったルーチンに従ってしか答えることができませんでした。

1960 年代後半、一部の学者は、人工知能がいくつかの基本原理をよりよく学習できるように、モデルを簡素化する必要があると指摘しました。この考え方の影響を受けて、人工知能は新たな発展段階に入り、MIT は SHRDLU と呼ばれる初期の自然言語理解コンピュータ プログラムを開発しました。エンジニアは、SHRDLU の手続き型ビルディング ブロック ワールドを大幅に簡素化したため、すべてのオブジェクトと場所のコレクションを約 50 語で説明できるようになりました。極めて単純化されたモデルの結果、内部の言語の組み合わせが少なくなり、プログラムは基本的にユーザーの指示の意味を完全に理解できるようになります。外部パフォーマンスの点では、ユーザーは SHRDLU プログラムがロードされたコンピューターと簡単な会話をすることができ、言語コマンドを使用してプログラム内の仮想ビルディング ブロックを照会および移動することができます。 SHRDLU はかつて人工知能の成功例と考えられていましたが、エンジニアがこのシステムを使用して現実の問題を解決しようとしたときに、悲惨な敗北を喫しました。

その後の人工知能の発展はチューリングが想像していたものとは違ったものになりました。

現実の人工知能の開発は、人間を模倣する「汎用人工知能（強い人工知能とも呼ばれる）」にあまり多くのリソースを集中させてきませんでした。それどころか、人工知能の研究は、その始まり以来、「機械学習」を通じてコン​​ピューターがアルゴリズムを自己最適化し、最終的には特定の問題を効率的に解決できる「エキスパートシステム」を形成できるようにすることに重点を置いてきました。これらの人工知能は、定義された狭い分野でのみ機能し、包括的で複雑な認知能力を有しておらず、追求もしていないため、「弱い人工知能」とも呼ばれます。

しかし、いずれにせよ、特定の問題を効率的に解決できるこれらの人工知能は、労働力を解放し、現代の工場や組織のインテリジェントな管理を促進する上で重要な役割を果たしてきました。ビッグデータ、クラウドコンピューティングなどの先進技術の発展により、人工知能はより広範かつオープンな方向へと進んでいます。システムが収集するデータの量が増え、AIアルゴリズムが改善され、関連チップの処理能力が向上するにつれて、人工知能の応用は、特定の断片化されたシナリオから、より深く多様な応用シナリオへと徐々に移行していきます。

人工知能がチップの処理能力を向上｜Pixabay

小さな視点から見ると、人工知能は私たちの生活のあらゆる側面に徐々に浸透しています。例えば、SiriやXiao Aiのように叫ぶだけで応答できるインテリジェントな音声システム、スーパーマーケットでの支払い時に使用する顔認識、レストランとホテルの間を行き来するスマートな食品配達ロボットなどは、実は人工知能の応用例です。より広い視点から見ると、製造業、運輸業、エネルギー業、インターネット産業における人工知能の応用が徐々に深まり、デジタル経済エコシステムの構築と発展を促進しています。

脳科学と人工知能の間には依然として大きな隔たりがあり、汎用人工知能は未だにSFの夢物語のように思えますが、ジョージ・バーナード・ショーが言ったように、「科学は決して公平ではない。10の質問をしなければ、問題を解決することはできない」のです。科学は常に紆余曲折を経て進歩し、探索を続ける限り、設定された目的地に到達できるかどうかは予測できませんが、途中で最終的に何かを得ることになるでしょう。

参考文献

[1] 王永清「人工知能の原理と方法[M]」西安交通大学出版局、1998年。

[2] ラッセル、スチュアートJ.人工知能：現代的アプローチ[J]。Posts and Telecommunications Press、2002年。

[3] Gabbay DM、Hogger CJ、Robinson JA、他「人工知能と論理プログラミングにおける論理ハンドブック」第1巻：論理的基礎、1995年。

[4] Hu Baojie、Zhao Zhongwen、Zeng Luan、Zhang Yongji。チューリングマシンとチューリングテスト[J]。コンピュータ知識と技術：学術版、2006(8):2。

[5] 趙南、連睿睿。人工知能の応用と主要技術の研究の現状[J]。中国電子科学院誌、2017年、12(6):3。

[6] ジェネセレスMR、ニルソンNJ。人工知能の論理的基礎[J]。人工知能と神経科学における脳の広範な研究、1987年