Ｉ．ＡＩは従来のコンピュータ処理とどう違うのか。
米国に続いて日本の産業界でもＡＩとの各種取組が発表され、愈々ＡＩが本格的に動き出した。この結果一定の判断基準に基づいて仕事を進めるもの、会計士・運転手・オフィスワーカーなどや、知的職業である医師・弁護士・経営者・投資顧問など現在ある職業の５０％以上が無くなり、人間の生き方が大きく変わり、所得配分など国の政策も変わらざるを得ないと言われている。
AI(Artificial Intelligence)は書籍・研究論文の内容、ネットワークに接続された様々な端末から発信される多種多様なデータ、各種機械・自動車などのセンサーから集められたデータなどを集め、ビッグデータとしてコンピュータが自然言語のままで特定のアルゴリズムに基づいて機械学習し、分析し、目的とされたソリューションを導き出す方法。（アルゴリズム：問題を解くための数学的計算手順）
従来のコンピューターソフトとＡＩはどう異なるか、相違点は機械学習が出来るかどうかになる。
従来のソフト：例えば各種の画像をその属性と共に読み込ませて、同じ画像を再度入力するとこれはこの属性の画像であると識別するが、読み込んだことのない似たような画像は識別出来ない。機械学習が出来ない為にデータの読込量が少量でも大量でも同じ結果が出てくる。
ＡＩは下記の様なアルゴリズムにより機械学習の出来るコンピュータで、読込データ量が多くなるにつれて答えが洗練されて正確になる。この為にビッグデータを集められる時代で高速処理を可能にするコンピュータが利用出来る現在では人間の判断能力に近い答えが出てくるようになり、ＡＩが実用化される時代になった。
１．教師あり学習：例えば、多数の画像サンプルを各画像の属性、色、形などの説明をつけて読み込ませてその特徴を把握し、読み込んだ事が無い新たな画像をインプットした場合でも目的に合致する画像がどうかを判断する。説明をつけてインプットすることから教師あり学習と呼ばれる。
２．強化学習：特定の分類方法に基づいて選別するのではなく、様々な変化を試行錯誤するようにして、目的に合致する試行だけを成功体験として積み重ねて、最終的には多種多様な状況でも成功するように対応可能となる。
３。ディープラーニング：動物や人間が経験の積み重ねにより知識を獲得すると同じ方法で、大脳皮質の神経回路と同様に多数の層のニューラルネットワークを作る。例えば、最初の入力層に多数の顔画像を読み込ませ、その次の層では多数の画像の中に特徴を見出すと、その特徴は他の部分より強く認識され、例えば鼻の一部の画像を認識し、次の層では同様に認識された鼻の別の箇所の画像を認識したものを集めて鼻全体を認識、次の層では鼻以外の目や口の画像を認識したものを集めて顔全体を認識するなど、層が深くなるにつれてより全体的な画像を認識する。この様に数百万枚の人間の顔写真をインプットすることにより最終的には正面画像でも斜め画像でも誰の顔か判断可能になる。
「誤差逆伝播：バックプロパゲーション」ディープラーニングにおける重要な言葉で、最初の入力層で認識した情報を上位の層に流してそれを最終段階まで伝播し、その情報が間違っていればその伝達経路は弱くなり、最終段階でその情報が正しいことが認識されればその伝達経路は強く残される。このことの繰り返しにより正しい情報伝達経路が次第に強く残り、コンピューターの判断がより正確になる。
ＡＩのアルゴリズムは要求された目的によって異なり、現時点ですべてに共通して適用できるものはない。一方人間の脳は全ての事柄に対応できるので、将来的には汎用のものが出来るかもしれない。
Ｉ．ＡＩは従来のコンピュータ処理とどう違うのか、ＩＩ．ＡＩ時代における教育内容の変化、ＡＩ（Artificial Intelligence）と医療、
|
