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、白い取っ手」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、白い取っ手」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、白い取っ手のついた赤いキャビネットは明日も流行しているでしょうか？あなたのライフスタイルに合っているでしょうか？人の好みは変わります。まさにここでディープラーニングが役立ちます。先ほどの例で考えてみましょう。検索を続けると、AIはあなたが興味を持っている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、1年後にはあなたがキッチン用に青い取っ手のついた緑のキャビネットに興味を持つかもしれないと「予測」する新しいアルゴリズムを独自に開発します。.

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にも同じことが言えます。結果は、ニューラルネットワークがどれだけ弱く、あるいは強く「プログラム」されているかによって左右されます。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のではなく、適切な意思決定を支援するものであるべきです。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、私たちは容赦なく滅ぼされるからです。そして、それこそが真の恐怖シナリオなのです。.