人工知能に関する用語まとめ ｜ SiTest (サイテスト) ブログ

こんにちは、プロダクト開発チームの牧です。

2016年は人工知能ブームが一気に到来したと感じた年となりました。
人工知能や機械学習に関わる用語は難解なものも多いので、
今回は頻出する用語8個をまとめてみました。
しっかりと理解してブームを駆け抜けていきましょう。

人工知能、所謂AIとはコンピュータ上で人間と同じ知能を再現しようとする試みです。
人工知能の歴史は1956年から始まり、ブームと冬の時代を繰り返していました。
2010年頃から始まった第3次AIブームでは、ビッグデータの普及や深層学習などにより、一気にAIブームが巻き起こり現在もまだ続いています。

シンギュラリティは技術的特異点とも呼ばれ、2045年には人工知能が人間の知能を超えるという予測です。
人間より高い知能を持つ人工知能が開発されると、人工知能が人工知能を開発するフェーズに入り、その結果人間では予測不可能な未来が到達するのではと考えられています。

詳しくは、「「人工知能（AI）は人類の敵？」シンギュラリティに警鐘を鳴らす識者たち」の記事で紹介しています。

人工知能といっても定義を広くとれば、様々なものが人工知能として分類されます。
そこでフェーズによって分類することにより、どのレベルの人工知能かを判別することができます。

AIには強いAIと弱いAIに分類することができます。

強いAIと弱いAI（つよいエーアイとよわいエーアイ、英: Strong AI and Weak AI）は、人工知能（AI）が真の推論と問題解決の能力を身につけられるか否かをめぐる論争において用いられる用語である。
引用：Wikipedia

弱いAIとは、人工知能のフェーズでいうところのLevel 2の段階です。
対応できるパターンを増やすことで多彩な判断が可能となりますが、
これはあくまで特定のタスクに対応することしかできないため、特化型AIと呼ばれています。
逆に強いAIとは人間と同等の判断を行うことが出来る、汎用型AIと呼ばれるAIです。
特化型AIとは違い、一つのAIで人間と同じように様々な判断を行うことを目的としているため人間の脳をモデリングしシュミレーションする研究が行われています。
　
「世界を変える「弱いAI」の力」の記事もあわせてお読み下さい。

機械学習とはビッグデータなどの統計データを解析し、アルゴリズムを通して学習を行う手法です。
大量の統計データから学習を行うことでデータに潜在するパターンを見つけ出します。
学習モデルに新しいデータを与えることで、結果（未来）を予測することができます。
機械学習は、金融・マーケティング・医療・交通など幅広い分野で活用されており、
検索エンジンや自然言語処理、FinTech、ゲノム解析にも使用されています。

詳しくは、「機械学習（Machine Learning）とは？非エンジニアが振り返ってみた。」の記事で解説しています。

ニューラルネットワークとは、人間の脳神経の仕組みをモデリングしたものです。
神経科学が定義している脳のモデルとは乖離してきていることから、人工ニューラルネットワーク（Artificial Neural Network / ANN）と呼ばれることもあります。
コンピュータに学習能力を持たせることにより、様々な問題解決へのアプローチを行うことができます。

詳しくは、「人間の脳を模倣した？「ニューラルネットワーク」とは何か。」の記事で解説しています。

深層学習、ディープラーニングと呼ばれる技術は3層以上からなる、多層構造のニューラルネットワークを使用した機械学習です。
有名なモデルとしては、畳み込みニューラルネットワーク（Convolutional Neural Network / CNN）があり、特に画像認識や音声認識の分野で積極的に活用されています。

また、ディープラーニングは高度な計算処理を必要とするため、普通のコンピュータではスペック不足となってしまうのですが、GPUでディープラーニングを行うことにより、CPUより10倍ほどの演算能力を発揮することができるようになりました。
Googleでは機械学習ライブラリのTensorFlow用として設計されたTPUと呼ばれるチップの開発も行われています。
参考：機械学習アプリを大幅に高速化する TPU カスタム チップを開発

詳しくは、「深層学習（Deep Learning）とは？非エンジニアが説明してみた。」の記事で解説しています。

強化学習とは、試行を繰り返すことにより環境に適用することが出来る機械学習手法の1つです。
教師あり学習をはじめとする機械学習では、学習したデータに基づき与えられた入力に対して予測した答えを出力するものですが、強化学習では明確な答えを出力しない代わりに、行動の選択肢と期待値を出します。
よく用いられる学習方法として、Q学習がよく用いられ、ディープラーニングをかけ合わせたDeep-Q-learningという学習方法も存在します。
ゲームAIやチャットボットの発展に貢献しています。

詳しくは、「強化学習とDeep Q-Networkを簡単に解説」の記事で解説しています。