人工知能をシンプルに

人工知能を簡単に説明します。ビッグデータのような膨大な量のデータをどのように追跡するのでしょうか？これは、特定のパターンに自分自身を向けるか、あるいはそれらに導かれるままに行動する場合にのみ可能です。.

個人的な実験です。頭の中に具体的なイメージがあります。今日は赤いキャビネットに白い取っ手が付いたキャビネットです。どうしますか？

Google 検索に「赤いキャビネット、白いハンドル」と入力します。.

利回り？控えめです。.

2 回目の試み: Google 検索に「赤いキャビネット、白いハンドル」と入力します。.

結果はすでに良くなっていますが、さらに良くなることは間違いありません。.

Google検索を使うことはプログラミングの第一歩です。検索クエリを収集し、それをアルゴリズムとコードに変換することで、ニューラルネットワークが形成されます。.

上の図に示されているように、機械学習はすぐに導入できるものではありません。多くの時間と労力を必要とします。そのため、開発コストも高くなります。しかし、AIは休暇を取ったり、退職したり、その他の自然な不在期間を設けたりしないことを考慮すると、状況は一変します。.

しかし、白い取っ手の赤いキャビネットは、明日もまだ流行っているでしょうか？あなたのライフスタイルに合うでしょうか？嗜好は変化します。まさにここでディープラーニングが役立ちます。先ほどの例で言えば、あなたが検索を続けると、AIはあなたが関心を持つ他のトピックに基づいて、あなたの検索行動がどのように変化したかを学習し、認識します。そして、AIは新しいアルゴリズムを独自に開発し、1年後にはキッチンに青い取っ手の緑のキャビネットに興味を持つかもしれないと「予測」します。.

ひどい？そう思う人もいるでしょう。でも、実際にはそうではありません。未知への恐怖が私たちを惑わせているのです。もしあるグループに明日のテレビ番組で何が面白いと思うか尋ねたら、実に様々な答えが返ってくるでしょう。すべてが同じ答えではないでしょう。さて、あなたはどんな基準でどの提案を受け入れるかを決めますか？内容でしょうか、それともその人の魅力でしょうか？

AIにも同じことが当てはまります。結果は、ニューラルネットワークがどの程度「プログラム」されているかによって決まります。重要なのはパターン分析であり、それは私たちを制御するものではなく、適切な意思決定を支援するものです。なぜなら、ビッグデータにおけるパターン分析に失敗すれば、私たちは容赦なく破滅するからです。そして、それこそが真の恐怖のシナリオなのです。.