Help us understand the problem. What is going on with this article?

大学生活の夏休みを利用して"人工知能"を学んでみた(更新中)

More than 1 year has passed since last update.


今、話題になっている人工知能について調べてみました。
※更新中

目的、勉強した理由

なぜ、急に人工知能が話題になってきたのか
どのように、人工知能は出来ているのか
現在、人工知能はどこまで進んでいるのか
今後、人工知能は仕事(社会)にどのような影響を及ぼすのか

以上が気になり、人工知能について学ぶことを決めました。

補足

上記の疑問の答えをすべて書くわけではありません。
人工知能の動向・経済面とプログラミング面で学んだ
自分の感想を書きたいと思います。

使用した教材・参照

[動向・経済]
・人工知能と経済の未来 2030年雇用大崩壊(書籍)
 http://amzn.to/2xFS5RF
・人工知能は人間を超えるか(書籍)
 http://amzn.to/2jvoWSU
・図解入門 最新人工知能がよ~くわかる本 --人工知能の最新動向を基礎から学ぶ-- (書籍)
 http://amzn.to/2xGvbtJ
・人工知能が人間を超える シンギュラリティの衝撃(書籍)
 http://amzn.to/2y5PpNt

[プログラミング]
・TensorFlow x Python 3 で学ぶディープラーニング入門(オンライン動画)
 https://www.udemy.com/tensorflow/
・[NumPy・Python3で]ゼロから作るニューラルネットワーク(オンライン動画)
 https://www.udemy.com/neuralnet/
・みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習(オンライン動画)
 https://www.udemy.com/learning-ai/
・ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装(書籍) ※
 http://amzn.to/2jy2JE3

※は最後まで終わってません。


人工知能はどこまで進んでいるのか(動向・経済)

メディアで、人工知能は「人間の見方か?敵か?」「人間を超える」「人間の仕事を奪われる」など
言われていますが、本当にそんなに進んでいるのか?
AIは「汎用型人口知能(強いAI)」と「特定型人工知能(弱いAI)」の2種類に分けられます。

汎用型人工知能(強いAI)とは、人間同様に言葉を理解し、いろんな場面や状況に応じて、対応出来る
人工知能を意味します。例として、アニメのドラえもん、鉄腕アトムなどが挙げられます。
企業は汎用型人工知能を目指していますが、まだ開発されていません。

特定型人工知能(弱いAI)とは、強いAIの研究や実用化する段階にあるものです。
また、ある課題に特化した人工知能を弱いAIと言う場合もあります。
例として、囲碁に特化したAIの「AlphaGo」や
人間の感情を読み取るのが得意なSoftBankの「Pepper」などが挙げられます。

人工知能によって仕事が奪われたり、経済構造を大きく変えるのは
汎用型人工知能(強いAI)のほうを指します。
今、メディアなどで話題にしている人工知能は、強いAIの一部である弱いAIです。
人間を超えたり、仕事を奪うほどの知能が出来るのにはまだ時間がかかると思います。

しかし、人工知能の最新動向を見ると、強いAIの実用化段階にあたる弱いAIは
かなりのスピードで進化し続けているので、いずれは強いAIが実現すると感じました。

シンギュラリティ

時間がかかるとはいえ、いつか人工知能が人間を越えるでしょう。
強いAIが登場し、AIが人間の知能を越えて、社会構造が大きく変化し、
もう後戻りできない世界になってしまう時期をシンギュラリティ(技術的特異点)と言います。

シンギュラリティは、今起こっている第3次AIブーム(後で説明します。)によって、広がり、最注目されています。また、ムーン法則に従って、シンギュラリティが起こると予測される2045年問題もあります

詳しく以下に詳しく書いてあります。

シンギュラリティ wikipedia
http://bit.ly/2y6fU5C

『人工知能』が支配する近未来。 2045年問題。シンギュラリティ(技術的特異点) の危険性
https://matome.naver.jp/odai/2140357124430889101

なぜ、急に人工知能が話題になってきたのか(動向・経済)

実は、過去にも人工知能ブームは起こっています。
1956年に第1次AIブーム、1980年に第2次AIブームが起こりました。

過去のブームの内容が気になる方はwikiで見られます。
1956−1974 第1次AIブーム http://bit.ly/2xU4IJ4
1980–1987 第2次AIブーム http://bit.ly/2xUdZRr

今起こっているブームは第3次AIブームです。(2006年から)
第3次AIブームが起こる主なきっかけを以下に書いておきます。
・ディープラーニングの発明(重要)
・インターネット、検索エンジンの登場による大量のデータ(ビックデータ)
・近年のコンピュータの高性能化
・ILSVRCでトロント大学がディープラーニングで圧勝
・Googleの猫

DeepLearningの発明

DeepLearningとは、人間の脳を模したアルゴリズム「ニューラルネットワーク」を多層にしたものです。
ニューラルネットワークとは、「人間の脳は、細胞同士が電気信号で行き来しているため、
コンピュータでもその構造を再現できるのではないか」という考えで開発されたアルゴリズムです。
簡単に言えば、脳も電気で命令を送っているため、電気で動くコンピュータでも出来るという考え方です。

DeepLearningの考え方は昔からありました。しかし、当時のコンピュータでは実用化が不可能でした。
近年、コンピュータの高性能化、ビックデータ、インターネットの登場で
DeepLearningの実用化が可能になりました。

DeepLearningは画像認識を得意としています。
2012年には、画像認識のエラー率を競う大会ILSVRCで
トロント大学はDeepLearningを使用して圧勝しています。
大会では、数年間エラー率26%付近を競っていましたが、トロント大学はエラー率17%の記録を出しており、その後の大会は、DeepLearningが主流となりました。

もう一つ、DeepLearningを使用した有名な発明(Gooogleの猫)
があるのでそちらの内容を以下に書いておきます。

Googleの猫

Googleの猫とは、2012年に「Google社が初めて人工機能で猫の認識に成功した」という
内容です。一見あまり凄そうには見えませんが、とても最先端な発明なので
詳しく内容を書きます。

Googleの猫は、人間の脳を模したアルゴリズム「DeepLearning」を使用
しています。

最初の人工知能は
人間でいう、生まれてきたばかりの赤ん坊です。

Google社は人工知能(DeepLearning)に
一週間かけて、Youtubeの画像データ100万枚を送ります。(データは無作為)
人工知能で学習材料となるのが、大量のデータとなります。

人工知能は一週間ひたすらDeepLearningで学習します。
そして、最終的に出てきた画像が猫の特徴をうまくとらえた画像でした。

以下のサイトでGoogleの人工知能が学んだが見れます。
http://bit.ly/2y5SGMO (Google公式ブログ)

これは、幼いときに本や道端で猫を見て、猫の特徴を学習していくのと
同じことが起こったのです。
人間は気が付けば、猫や犬の区別もできるようになっています。

今の人工知能は、認識の部分では、動物の特徴を自分で学習していくという
ところまで来ています。
このような発明により、世界を驚かせ、第3次AIブームが起こりました。

更新中(プログラミング面も)



Why do not you register as a user and use Qiita more conveniently?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away