人工知能とは何ですか？

人工知能は、機械、特にコンピュータシステムによる人間の知能プロセスのシミュレーションです。 AIの具体的な用途には、エキスパートシステム、自然言語処理、音声認識、マシンビジョンなどがあります。

AIはどのように機能しますか？

AIに関する誇大宣伝が加速している中、ベンダーは自社の製品やサービスがAIをどのように使用しているかを宣伝するためにスクランブルして 多くの場合、AIと呼ばれるものは、機械学習などのAIの1つの要素にすぎません。 AIには、機械学習アルゴリズムの作成とトレーニングに特化したハードウェアとソフトウェアの基盤が必要です。 AIと同義のプログラミング言語は誰もいませんが、Python、R、Javaなどのいくつかの言語が人気があります。

一般的に、AIシステムは、大量のラベル付けされたトレーニングデータを取り込み、相関とパターンのデータを分析し、これらのパターンを使用して将来の状態 このようにして、テキストチャットの例を与えられたチャットボットは、人々とのリアルな交流を生み出すことを学ぶことができ、画像認識ツールは、数百万の例をレビューすることによって画像内のオブジェクトを識別して記述することを学ぶことができます。

AIプログラミングは、学習、推論、自己修正の三つの認知スキルに焦点を当てています。

AIプログラミングのこの側面は、データを取得し、データを実用的な情報に変換する方法のルールを作成することに焦点を当てています。 アルゴリズムと呼ばれるルールは、特定のタスクを完了する方法のステップバイステップの指示をコンピューティングデバイスに提供します。

推論プロセス。 AIプログラミングのこの側面は、目的の結果に到達するために適切なアルゴリズムを選択することに焦点を当てています。

自己修正プロセス。 AIプログラミングのこの側面は、アルゴリズムを継続的に微調整し、可能な限り最も正確な結果を提供するように設計されています。

なぜ人工知能が重要なのですか？

AIは、企業が以前に認識していなかった可能性のある業務についての洞察を与えることができ、場合によってはAIが人間よりも優れたタスクを実行できるため、重要です。 特に、多数の法的文書を分析して関連する分野が適切に記入されていることを確認するなど、反復的で詳細指向のタスクに関しては、AIツールは、多くの場

これは効率の爆発を促進し、一部の大企業にとって全く新しいビジネスチャンスへの扉を開いた。 現在のAIの波の前に、それはタクシーにライダーを接続するために、コンピュータソフトウェアを使用して想像するのは難しかっただろうが、今日のユーバーは 高度な機械学習アルゴリズムを利用して、特定の地域で乗車が必要になる可能性が高い時期を予測することで、必要になる前にドライバーを積極的に 別の例として、Googleは、機械学習を使用して人々がサービスをどのように使用しているかを理解し、それらを改善することで、さまざまなオンラインサービスの最大のプレーヤーの1つになっています。 2017年、同社のCEOであるSundar Pichaiは、Googleが「AI first」企業として運営すると発表しました。

今日の最大かつ最も成功した企業は、業務を改善し、競合他社に優位性を得るためにAIを使用しています。

人工知能の長所と短所は何ですか？

人工ニューラルネットワークと深層学習人工知能技術は、主にAIが大量のデータをはるかに高速に処理し、人間の可能性よりも正確に予測するため、急速に進化しています。

日常的に作成される膨大な量のデータは人間の研究者を埋めるだろうが、機械学習を使用するAIアプリケーションはそのデータを取り、すぐに実用的な情報に変えることができる。 この記事の執筆時点では、AIを使用することの主な欠点は、AIプログラミングが必要とする大量のデータを処理することが高価であることです。

利点

• 詳細指向のジョブに優れ、
• データの重いタスクの時間を短縮、
• は一貫した結果を提供し、
• AIを搭載した仮想エージェントは常に利用可能です。

欠点

• 高価;
• 深い技術的専門知識が必要;
• AIツールを構築するための資格のある労働者の供給が限られている;
• はそれが示されているものだけを知っている;
• あるタスクから別のタスクに一般化する能力が不足している。

強いAIと弱いAI

AIは弱いか強いかのいずれかに分類できます。

• 弱いAIは、狭いAIとも呼ばれ、特定のタスクを完了するように設計され、訓練されたAIシステムです。 AppleのSiriなどの産業用ロボットや仮想パーソナルアシスタントは、弱いAIを使用しています。
• Strong AIは、人工一般知能（AGI）としても知られており、人間の脳の認知能力を複製できるプログラミングを記述しています。 不慣れなタスクを提示すると、強力なAIシステムはファジィ論理を使用して、あるドメインから別のドメインに知識を適用し、自律的に解決策を見 理論的には、強力なAIプログラムは、チューリングテストと中国の部屋のテストの両方に合格できるはずです。

人工知能の4つのタイプは何ですか？

ミシガン州立大学の統合生物学と計算機科学と工学の助教授であるArend Hintze氏は、2016年の記事で、AIは4つのタイプに分類でき、今日広く使用されているタスクスペシフィックインテリジェントシステムから始まり、まだ存在していないセンティンシステムシステムに進んでいると説明した。 カテゴリは次のとおりです:

• タイプ1:反応機械。 これらのAIシステムにはメモリがなく、タスク固有のものです。 一例は、1990年代にGarry Kasparovを破ったIBMチェスプログラムであるDeep Blueです。 ディープブルーはチェス盤の駒を識別して予測することができますが、記憶がないため、過去の経験を使用して将来の経験を知らせることはできません。
• タイプ2：制限メモリ。 これらのAIシステムは記憶を持っているので、過去の経験を使って将来の意思決定を知らせることができます。 自動運転車の意思決定機能のいくつかは、このように設計されています。
• タイプ3：心の理論。 心の理論は心理学の用語です。 AIに適用すると、それはシステムが感情を理解するための社会的知性を持っていることを意味します。 このタイプのAIは、人間の意図を推測し、行動を予測することができ、AIシステムが人間のチームの不可欠なメンバーになるために必要なスキルです。
• タイプ4：自己認識。 このカテゴリでは、AIシステムは、彼らに意識を与える自己の感覚を持っています。 自己認識を持つマシンは、自分の現在の状態を理解しています。 このタイプのAIはまだ存在しません。

AI技術の例は何ですか、そしてそれは今日どのように使われていますか？

AIはさまざまな種類の技術に組み込まれています。 ここに六つの例があります:

• 自動化。 AI技術と組み合わせることで、自動化ツールは実行されるタスクの量と種類を拡大できます。 ロボットプロセス自動化（rpa）は、従来人間が行っていた反復的なルールベースのデータ処理タスクを自動化するソフトウェアの一種です。 機械学習や新たなAIツールと組み合わせることで、rpaは企業の仕事の大部分を自動化し、RPAの戦術ボットがAIからインテリジェンスを伝達し、プロセスの変更に対応できるようにします。
• これはプログラミングなしで行動するためにコンピュータを得ることの科学である。 ディープラーニングは機械学習のサブセットであり、非常に簡単に言えば、予測分析の自動化と考えることができます。 機械学習アルゴリズムには3つのタイプがあります：
  • 教師あり学習。 データセットは、パターンを検出して新しいデータセットにラベルを付けるために使用できるようにラベリングされます。
  • データセットはラベル付けされず、類似点または相違点に従ってソートされます。
  • 強化学習。 データセットはラベル付けされていませんが、アクションまたはいくつかのアクションを実行した後、AIシステム
• マシンビジョン この技術は機械に見る機能を与える。 マシンビジョンは、カメラ、アナログからデジタルへの変換、およびデジタル信号処理を使用して視覚情報をキャプチャして分析します。 それはしばしば人間の視力と比較されますが、マシンビジョンは生物学に縛られておらず、例えば壁を見るようにプログラムすることができます。 それは署名の同一証明からの医学のイメージの分析への応用範囲で使用される。 マシンベースの画像処理に焦点を当てたコンピュータビジョンは、多くの場合、マシンビジョンと混同されます。
• 自然言語処理(NLP)。 これは、コンピュータプログラムによる人間の言語の処理です。 NLPのより古く、最もよく知られた例の一つは、電子メールの件名とテキストを見て、それが迷惑だかどうかを決定するスパム検出です。 NLPへの現在のアプローチは、機械学習に基づいています。 NLPタスクには、テキスト翻訳、感情分析、音声認識が含まれます。
• この工学分野は、ロボットの設計と製造に焦点を当てています。 ロボットは、人間が一貫して実行したり実行したりすることが困難なタスクを実行するためによく使用されます。 例えば、ロボットは、自動車生産のための組立ラインで、または宇宙で大きな物体を移動するためにNASAによって使用されます。 研究者はまた、社会的な設定で相互作用することができるロボットを構築するために機械学習を使用しています。
• 自動運転車。 自動運転車は、コンピュータビジョン、画像認識、深層学習の組み合わせを使用して、特定の車線に滞在し、歩行者などの予期しない障害物を回避しながら、車両を操縦する際の自動化されたスキルを構築します。

AIのアプリケーションは何ですか？

人工知能はさまざまな市場に参入してきました。 ここに9つの例があります。

医療におけるAI。 最大の賭けは、患者の転帰を改善し、コストを削減することです。 企業は、人間よりも優れた迅速な診断を行うために機械学習を適用しています。 最もよく知られている医療技術の一つは、IBMワトソンです。 それは自然言語を理解し、それの尋ねられた質問に答えることができます。 システムは、患者データおよび他の利用可能なデータソースをマイニングして仮説を形成し、それを信頼スコアリングスキーマで提示します。 その他のAIアプリケーションには、オンライン仮想医療アシスタントやチャットボットを使用して、患者や医療顧客が医療情報を見つけたり、予定をスケジュー COVID-19などのパンデミックを予測し、戦い、理解するためにも、多数のAI技術が使用されています。

機械学習アルゴリズムは、顧客により良いサービスを提供する方法に関する情報を明らかにするために、分析および顧客関係管理（CRM）プラット Chatbotsは、顧客に即時サービスを提供するためにウェブサイトに組み込まれています。 職位の自動化は、学者やITアナリストの間でも話題になっています。

教育におけるAI。 AIは採点を自動化し、教育者により多くの時間を与えることができます。 それは学生を評価し、彼らのニーズに適応し、彼らが自分のペースで働くのを助けることができます。 AIチューターは、学生に追加のサポートを提供し、彼らが軌道に乗ることを保証することができます。 そして、それはおそらくいくつかの教師を置き換える、学生が学ぶ場所と方法を変更することができます。

Intuit MintやTurboTaxなどの個人金融アプリケーションのAIは、金融機関を混乱させています。 これらのようなアプリケーションは、個人データを収集し、財政的助言を提供します。 IBM Watsonなどの他のプログラムは、家を買うプロセスに適用されています。 今日、人工知能ソフトウェアは、ウォール街での取引の多くを実行します。

発見プロセス-文書をふるいにかける-法律では、多くの場合、人間のために圧倒されています。 法律業界の労働集約的なプロセスを自動化するためにAIを使用することで、時間を節約し、クライアントサービスを向上させることができます。 法律事務所は、データを記述し、結果を予測するために機械学習、文書から情報を分類して抽出するためのコンピュータビジョン、情報の要求を解釈するた

製造業におけるAI。 製造業はワークフローにロボットを組み込むことの最前線にありました。 例えば、一度に単一のタスクを実行するようにプログラムされ、人間の労働者から分離された産業用ロボットは、ますますコボットとして機能します: 人間と協力し、倉庫、工場の床および他のワークスペースの仕事のより多くの部分のための責任で取るより小さく、マルチタスクロボット。

銀行は、顧客にサービスやオファリングを認識させ、人間の介入を必要としない取引を処理するためにチャットボットをうまく採用しています。 AI仮想アシスタントは、銀行規制への準拠のコストを改善し、削減するために使用されています。 銀行組織はまた、ローンの意思決定を改善し、与信限度額を設定し、投資機会を特定するためにAIを使用しています。

自動運転車の運転におけるAIの基本的な役割に加えて、AI技術は交通の管理、飛行遅延の予測、海上輸送の安全性と効率性の向上に使用されています。

セキュリティ。 AIと機械学習は、セキュリティベンダーが提供する製品を差別化するために今日使用している流行語リストの最上位にあります。 これらの用語はまた、真に実行可能な技術を表しています。 組織は、セキュリティ情報およびイベント管理（SIEM）ソフトウェアおよび関連分野で機械学習を使用して、異常を検出し、脅威を示す疑わしい活動を特定 データを分析し、ロジックを使用して既知の悪意のあるコードとの類似性を特定することにより、AIは、人間の従業員や以前の技術の反復よりもはるかに 成熟した技術は、組織がサイバー攻撃を撃退するのを助ける上で大きな役割を果たしています。

人工知能

業界の専門家の中には、人工知能という言葉が大衆文化と密接に関連していると考えている人もおり、これはAIが職場や生活全般をどのように変えていくかについて、一般の人々にはあり得ない期待を抱かせている。

• 一部の研究者やマーケターは、より中立的な意味合いを持つ拡張知能というラベルが、AIのほとんどの実装が弱く、単に製品やサービスを改善することを理 たとえば、ビジネスインテリジェンスレポートに重要な情報を自動的に表示したり、法的書類に重要な情報を強調表示したりすることができます。
• 真のAI、または人工一般知能は、技術的特異点の概念と密接に関連しています-それを理解する人間の脳の能力やそれが私たちの現実をどのように形 一部の開発者は、問題に取り組んでいるものの、これは、サイエンスフィクションの領域内に残ります。 多くの人は、量子コンピューティングなどの技術がAGIを現実のものにする上で重要な役割を果たす可能性があり、この種の一般的な知性のためにAIという用語の使用を留保すべきであると考えています。

人工知能の倫理的使用

AIツールは企業にとってさまざまな新しい機能を提供していますが、人工知能の使用は倫理的な問題も提起します。

最も先進的なAIツールの多くを支える機械学習アルゴリズムは、トレーニングで与えられたデータと同じくらいスマートであるため、これは問題になる可能性があります。 人間はAIプログラムを訓練するために使用されるデータを選択するため、機械学習バイアスの可能性は固有のものであり、密接に監視する必要があ

実稼働システムの一部として機械学習を使用しようとしている人は、AIトレーニングプロセスに倫理を考慮し、偏見を避けるよう努力する必要があ これは、深層学習や生成的敵対ネットワーク（GAN）アプリケーションで本質的に説明できないAIアルゴリズムを使用する場合に特に当てはまります。

説明可能性は、厳格な規制遵守要件の下で動作する業界でAIを使用するための潜在的な障害です。 例えば、米国の金融機関は、信用発行の決定を説明することを要求する規制の下で運営されています。 しかし、AIプログラミングによってクレジットを拒否する決定が行われた場合、そのような決定を行うために使用されるAIツールは、数千の変数間の微妙 意思決定プロセスが説明できない場合、プログラムはブラックボックスAIと呼ばれることがあります。

潜在的なリスクにもかかわらず、現在、AIツールの使用に関する規制はほとんどなく、法律が存在する場合、通常は間接的にAIに関連します。 例えば、前述したように、米国の公正な融資規制は、金融機関が潜在的な顧客に信用決定を説明することを要求している。 これにより、貸し手がディープラーニングアルゴリズムを使用できる範囲が制限され、その性質上不透明で説明可能性が欠けています。

欧州連合の一般データ保護規則（GDPR）は、企業が消費者データをどのように使用できるかに厳しい制限を課しており、多くの消費者向けAIアプリケーションの

2016年10月、国家科学技術評議会は、政府の規制がAI開発に果たす可能性のある役割を検討する報告書を発表したが、具体的な法律の検討は推奨して

AIを規制するための法律を作ることは容易ではありません,部分的には、AIは、企業が異なる目的のために使用する様々な技術を含み、部分的に規制は、AI AI技術の急速な進化は、AIの意味のある規制を形成するためのもう一つの障害です。 技術の進歩と新しい応用は、既存の法律を即座に時代遅れにすることができます。 たとえば、会話や録音された会話のプライバシーを規制する既存の法律は、AmazonのAlexaやAppleのSiriのような音声アシスタントが集まるが、会話を配布しないという課題をカバーしていません-機械学習アルゴリズムを改善するためにそれを使用する企業の技術チームを除いて。 そして、もちろん、政府がAIを規制するために作成することができた法律は、犯罪者が悪意を持って技術を使用するのを止めるものではありません。

コグニティブ-コンピューティングとAI

AIとコグニティブ-コンピューティングという用語は、互換的に使用されることがありますが、一般的に言えば、AIというラベル付けは、環境内の情報をどのように感知し、学習し、処理し、反応するかをシミュレートすることによって人間の知性を置き換える機械を参照して使用されています。

ラベル認知コンピューティングは、人間の思考プロセスを模倣し、強化する製品やサービスに関連して使用されています。

AIの歴史とは？

知性に恵まれた無生物の概念は古くから存在していた。 ギリシャの神ヘファイストスは、金からロボットのようなしもべを鍛造として神話に描かれていました。 古代エジプトの技術者は、司祭によってアニメーション化された神々の彫像を建てました。 何世紀にもわたって、アリストテレスから13世紀のスペインの神学者ラモン-リュル、ルネ-デカルト、トーマス-ベイズまでの思想家は、人間の思考プロセスをシンボルとして記述するために時代の道具と論理を使用し、一般的な知識表現などのAI概念の基礎を築いた。

19世紀後半から20世紀前半にかけて、現代のコンピュータを生み出す基礎的な仕事がもたらされました。 1836年、ケンブリッジ大学の数学者チャールズ-バベッジとラヴェレス伯爵夫人オーガスタ-エイダ-バイロンがプログラム可能な機械の最初の設計を発明した。

1940年代、プリンストンの数学者ジョン-フォン-ノイマンは、コンピュータのプログラムとそれが処理するデータをコンピュータのメモリに保持できるという考えで、ストアード-プログラム-コンピュータのアーキテクチャを考案した。 ウォーレン-マカロックとウォルター-ピッツはニューラルネットワークの基礎を築いた

1950年代現代のコンピュータの出現により、科学者は機械知能についてのアイデアをテストすることができました。 コンピュータに知性があるかどうかを判断する1つの方法は、イギリスの数学者で第二次世界大戦のコードブレーカーであるAlan Turingによって考案されました。 チューリングテストは、質問に対する回答が人間によって行われたと信じるように尋問者をだますコンピュータの能力に焦点を当てました。

1956. 現代の人工知能の分野は、ダートマス大学での夏の会議の間に今年から始まったと広く引用されています。 国防高等研究計画局（DARPA）が主催するこの会議には、AIの先駆者であるMarvin Minsky、Oliver Selfridge、John McCarthyを含む10人の著名人が出席しました。 また、コンピュータ科学者のアレン-ニューウェルとハーバート-Aが出席した。 サイモン、経済学者、政治学者、認知心理学者は、彼らの画期的な論理理論家、特定の数学的定理を証明することができるコンピュータプログラムを提示し、最初のAIプログラムと呼ばれています。

1950年代と1960年代ダートマス大学会議をきっかけに、aiの駆け出しの分野の指導者たちは、人間の脳に相当する人工知能が角を曲がったところにあると予測し、政府と産業界の主要な支持を集めた。 確かに、ほぼ20年の資金提供された基礎研究は、AIの大幅な進歩を生み出しました: 例えば、1950年代後半、ニューウェルとサイモンは、複雑な問題を解決するには不十分だったが、より洗練された認知アーキテクチャを開発するための基礎を築いた一般的な問題ソルバー(GPS)アルゴリズムを発表しました。マッカーシーは、今日でも使用されているAIプログラミングのための言語であるLispを開発しました。 1960年代半ば、MITのJoseph Weizenbaum教授は、今日のチャットボットの基礎を築いた初期の自然言語処理プログラムであるELIZAを開発しました。

1970年代と1980年代。 しかし、人工的な一般的な知性の達成は、コンピュータ処理とメモリの制限と問題の複雑さによって妨げられ、差し迫ったものではなく、とらえどころ 政府と企業はAI研究の支援から離れ、1974年から1980年までの休耕期間につながり、最初の「AIの冬」として知られています。「1980年代には、ディープラーニング技術の研究とEdward Feigenbaumのエキスパートシステムの業界の採用がAIの熱意の新しい波を引き起こし、政府の資金と業界の支援が再び崩壊することになりました。 第二のAIの冬は1990年代半ばまで続きました。

1990年代から今日まで。 計算能力の増加とデータの爆発は、時代を提示し続けている1990年代後半にAIのルネッサンスを引き起こしました。 AIへの最新の焦点は、自然言語処理、コンピュータビジョン、ロボット工学、機械学習、深層学習などのブレークスルーをもたらしました。 さらに、AIは自動車に電力を供給し、病気を診断し、大衆文化におけるその役割を固めています。 1997年、IBMのDeep BlueはロシアのチェスのグランドマスターであるGarry Kasparovを破り、世界のチェスチャンピオンを獲得した最初のコンピュータプログラムとなった。 14年後、IBMのWatsonは、ゲームショーのJeopardyで2人の元チャンピオンを破ったときに、一般の人々を魅了しました！. 最近では、Google DeepMindのAlphaGoによる18回の世界囲碁チャンピオンLee Sedolの歴史的な敗北は、Goコミュニティを驚かせ、インテリジェントマシンの開発における主要なマイルストーンをマークしました。

AI as a service

AIのハードウェア、ソフトウェア、人材派遣コストは高価になる可能性があるため、多くのベンダーはAIコンポーネントを標準製品に含めたり、AIaaS（artificial intelligence as a service）プラット AIaaSは、個人や企業がさまざまなビジネス目的のためにAIを実験し、コミットメントを行う前に複数のプラットフォームをサンプルすることを可能にします。

人気のあるAIクラウド製品には次のものがあります:

• Amazon AI
• IBMAT Atson Assistant
• Microsoft Cognitive Services
• Google AI