AI 革命は、哲学の最も基本的な質問に答えるのにどのように役立ちますか? （パート2）

私という人間？私は何をするために生まれてきたのでしょうか？テクノロジー専門家 Kaifu-Lee の目から見た AI 革命パート 2 は、これら 2 つの人類の永遠の質問に対する答えを発見し続けるのに役立ちます。最初の 2 つの波が失敗に終わった後、AI はどのようにして開発を続け、これまで普及してきたのでしょうか? 一部の予測のように、今日の AI は世界を征服するのに十分な力を持っていますか?

• AI 革命は、哲学の最も基本的な質問に答えるのにどのように役立ちますか? （パート1）

パート 1 の概要: 世界の人工知能の最初の 2 つの波のメカニズム: 思考ルール (第 1 波)、統計モデル、機械学習に基づくシステム (第 2 波)

パート 2: アルの第 3 の波と今日のアルの真の能力の再評価。

AI の第 3 の波 – ハードウェアによる爆発

最初の波のとき、私（著者のリー・カイフー）は幸運にもコンピューター科学者で心理学者のロジャー・シャンクと知り合いました。実際、彼の教え子の一人が私の修士時代の指導教官でした。上記の実験により、エキスパート システムは拡張性がなく、私たちの脳は思ったように機能しない可能性があると私は考えるようになりました。意思決定のプロセスを単純化するために、私たちは人間が理解できる言語として「if、then、else」を使用していましたが、私たちの脳は複雑で、それよりもはるかに複雑であることに気づきました。

第 2 波では、論文と博士課程の研究中に、ベイジアン ネットワークに関するジューデア パールの著作を読みました。私は、フレッド・ジェリネク博士、ピーター・ブラウン、ボブ・マーサーなど、IBM の一流の科学者から大きな影響を受けました。彼らは、音声だけでなく機械翻訳においても（20 世紀の 80 年代と 90 年代に）統計手法を主流にする功績を残しました。彼らにはとても感謝しています。私たちは依然として行き詰まっていますが、それはテクノロジーが間違っているからではありません。実のところ、統計的手法は完全に正確です。

80 年代後半、私がカーネギー メロン大学で隠れマルコフ モデルに取り組んでいたとき、ジェフ ヒントンは「時間遅延ニューラル ネットワーク」と名付けたニューラル ネットワークに取り組んでいました。これは、現在主流の技術であるディープラーニングとして広く知られている複雑なニューラル ネットワークの最初のバージョンであると考えられています。

しかし、なぜニューラル機械学習と統計的機械学習の波が盛り上がらないのでしょうか? 振り返ってみると、この波はテクノロジーとは何の関係もなく、テクノロジーのほとんどはすでに発明されていました。問題は、十分なトレーニング データがないことです。私たちの脳は、深層学習マシンとはまったく異なる方法で機能します。深層学習マシンをブートストラップするには、あらゆるレベルで人間よりも多くのトレーニング データをマシンに供給する必要があります。人間は人を認識し始める前に何百もの顔を見ることができますが、ディープラーニングニューラルネットワークは認識に熟練するために何十億もの顔を見たいと考えています。

もちろん、上手になれば人間よりも上手になります。それは予告されていました。しかし当時は、十分なトレーニング データも、これらの発見されたテクノロジーを最先端に活用するのに十分なコンピューティング能力もありませんでした。Google は、検索するには多数のマシンを並行して実行する必要があることに気づき始めています。その後、ジェフ ディーン (Google の AI 部門を率いるコンピューター科学者) や Google の他の人々は、これらの並列マシンを手に入れれば、検索以外にもさまざまなことができることに気づきました。それらの上に AI を構築できます。AI を構築するには、それをうまく実行することに特化した特別なチップが必要です。その後、Nvidia の GPU が登場し、Google は独自の TPU を構築しました。それは素晴らしい進歩です。たまたま Google が検索を取り上げ、検索にはサーバーが必要だったので、ジェフ ディーンを採用しました。これにより、単一領域からの大量のデータから学習できる大規模並列 GPU または TPU ベースの学習アーキテクチャが誕生しました (GPU は、多数のタスクを同時に処理できる、数千の小型で高性能のコアで構成されるプロセッサです)。連続的な逐次処理用に最適化された少数のコアのみを備えた従来の CPU）。

(写真: アナンド・テック)

新しいテクノロジーは、前述の超並列機械学習アーキテクチャに基づいて進化しており、これらのアーキテクチャは新しい GPU とアクセラレータで実行されます。顔認識、音声認識、画像認識を行うデバイスをトレーニングし、AI を検索や予測に適用できる人が増えています。利用できるインターネット データはますます増えています。Amazon はこのデータを使用して、顧客が何を購入したいかを予測しました。Google はデータを使用して、ユーザーがクリックする可能性が高く、料金を支払う可能性が高い広告を予測します。マイクロソフトもそれを使用しています。中国にはテンセントとアリババがあります。インターネットの膨大なデータをもとに、数多くのアプリケーションが誕生しています。

技術の進歩と同時に、2000 年代初頭には主流ではなくなったものの、ニューラル ネットワークの研究を続けた 3 人は、ジェフ ヒントン、ヤン ルカン、ヨシュア ベンジオでした。そして画期的な統計により、これらのネットワークはスケーラブルではないことが示されました。そのため、資金提供機関はそれらを放棄し、会議はそれらに関する研究の受け入れを中止しましたが、これら 3 人の研究者は、より良いアルゴリズムを洗練し、開発するために少量の資金を提供して研究を続けました。そしてさらに多くのデータが現れました。かつては「複雑なニューラル ネットワーク」と呼ばれ、現在では「ディープ ラーニング」として知られる新しいアルゴリズムの作成によって画期的な進歩がもたらされました。

上記の 3 人の教授から派生した一連のテクノロジーが AI 業界で普及し始めました。大手企業が設計した音声認識システムは人間の能力を圧倒しており、顔認識や画像認識の会社でも同じことが起こっています。電子商取引、ユーザー/発言者の識別がインターネット データに適用され、Amazon の予測が高くなり、より多くの資金が提供されるという証拠があります。ニュースフィードのランク付け方法における Facebook の予測が向上。Google からの検索結果が向上します。2000 年代後半までに、ディープ ニューラル ネットワークが Google で普及し始め、過去 7 ～ 8 年でほぼあらゆる場所で爆発的に普及しました。より多くの構造が誕生し、よりインテリジェントなシステムが開発されました。もちろん、世界に火をつけた出来事は、AlphaGo が韓国の囲碁名人 Lee と中国の Ke 名人を、ますますの差をつけて破ったことでした。そしてさらに最近では、AlphaGo は人間の知識なしにゼロからトレーニングできることが新しい研究で示唆されています。

これらすべての画期的な進歩により、現時点で AI が現実のものであることが世界に知らしめられました。第 2 の波では何かが起こり、ニューラル ネットワークと統計的手法は正しかったのですが、それを実現するための当時の技術スタックが十分なデータ、十分な計算能力、そして十分な進歩を持っていませんでした。しかし今、私たちはそれをやり遂げました。

AIは人類を支配できるのか？

AI はあらゆるところで普及しています。多くの新しい学派が現れました。私たちの最初の質問、つまり私たちは何者で、なぜ存在するのかを振り返り始めている人々のグループがいます。AI はここ 2 ～ 3 年で非常に急速に自己改善することができたので、それを他の分野で活用すれば、人間の頭に挿入して人間を拡張できる超知能機械が手に入るだろうと彼らは推論しました。さもなければ、彼らは悪となって人類を支配するでしょう。

こういう考え方だけは禁止してほしいです。ただそれは正確ではありません。AI が今日どれほど進歩していても、あるいは、チェスのゲーム、音声認識、顔認識、自動運転車、産業用ロボットで人間に勝つなど、AI が並外れた行動をとっているように見えても、AI には依然として次の点で限界があります。 AI (私たちは弱い AI と呼びます) は、何かを非常にうまく実行することを学習する分野に関する大量のデータに基づいて最適化するデバイスです。これは垂直型シングルタスクロボットですが、できることは 1 つだけです。多くのことを教えることはできません。多くの分野を教えることはできません。常識（私たちのほとんどが正しいか間違っていると同意する常識、常識、経験、行動）を持つように教えることはできません。それに感情を与えることはできません。自己認識がないため、欲望がなく、人間を愛し支配する方法さえ理解していません。

ネガティブな話はすべて愚かです。それは想像力が強すぎます。AI が急速に成長している分野の新しいアプリケーションに導入されるのを目にしていますが、それは、私たちが持つ成熟したテクノロジーにおけるアプリケーションの急速な成長です。すべてのテクノロジーが開発されると、その成長は終わります。その後、AI がさらに進歩するための新たなブレークスルーを待つ必要があります。しかし、さらなる進歩を予測することはできません。

AIの歴史を見てみると、この種のディープラーニングのイノベーションは一度だけ起こっています。1957 年以来、60 年に 1 度だけ、画期的な進歩があったのです。来年、そして翌月か翌々日に大躍進を遂げるだろうと先回りして予測することはできません。それは速すぎます。アプリケーションの使用は今始まったばかりです。それは素晴らしいことですが、急速な発明という考えは愚かな概念です。私の考えでは、このような主張をする人たち、そして団結が先だという人たちは、産業の実情を全く踏まえていないのです。

現在、一度に 1 つのことを実行することに重点を置いた AI しかありませんが、それは優れたツールです。価値を生み出すのが得意です。それは多くの人間の仕事と他の人間の仕事を置き換えることになります。それは私たちが考えるべきことであり、大きくて強力な AI ではなく、人間に似ていてさまざまな分野で考えることができ、人間と同じような共通の認識を持つ機械です。結局のところ、現在の進捗状況からそれを予測することはできません。

それは百年後、千年後のいつか起こるでしょうか？何でも起こり得ると思います。しかし、今日私たちはここでのことにエネルギーを集中すべきなのかもしれません。そして今ここにあるのは、在庫ピッキング、ローンの作成、顧客サポート、電話マーケティング、生産ライン作業、法的サポートなどの仕事で人間よりも優れたパフォーマンスを発揮できる最適化されたスーパーマシンです。AI はこれらのことを人間よりもうまく行うことができます。彼らは私たちの自由時間を引き継いで解放し、私たちが本当に好きなこと、最も得意なことをできるようにしてくれています。これは一生に一度のチャンスであり、コンピューターが超スマートになるという恐ろしい見通しではありません。

VnReview によると

続きを見る：

• フィンランドの大学による無料のオンライン人工知能 (AI) コース
• 人工知能 (AI) プログラミングの学習を始めるための 6 つのステップ
• 人工知能 (AI) に関するオンライン コース、認定資格