この記事の執筆・監修
テクノロジーアンドデザインカンパニー株式会社のCEO。
日本最大級のプログラミング教育のYouTubeチャンネル「キノコード」や、プログラミング学習サービス「キノクエスト」を運営。
著書「あなたの仕事が一瞬で片付くPythonによる自動化仕事術」や、雑誌「日経ソフトウエア」や「シェルスクリプトマガジン」への寄稿など実績多数。
挨拶
こんにちは、kinocodeです。
人工知能開発入門講座の2回目です。
人工知能といっても、なんだかふんわりしていて掴みづらい印象はありませんか？
人工知能やAIという単語が世間で飛び交う中、掴みづらい言葉や技術なため、おいてけぼりを感じたことはありませんか？
そこで、この動画では、人工知能という言葉について徹底解説をしたいと思います。
具体的んは、そもそも人工知能とは何か、人工知能のまわりの用語の説明、人工知能発展の歴史、これからのこと、人工知能開発を始める前に知っておきたい知識についてざっと網羅的に説明をします。
この動画は、人工知能を開発してみたいという人のみならず、人工知能について教養として知っておきたい方にもおすすめの内容です。
この動画を見れば、人工知能はなんなのか？ご自身の業務に使えそうなのか？ということもみえてくるはずです。
また、この動画を見て、3回目以降の動画をみていただき、ご自身でも人工知能を作ってみようと思っていただければ嬉しいと思っております。
ぜひ最後までご視聴ください。
それでは、早速レッスンスタートです。
人工知能とは（人工知能の定義 → 強いAIと弱いAI）
そもそも、人工知能とは何でしょうか？
実は、人工知能という言葉の定義は、専門家の間でも議論があり、明確に定まっていないのです。
そこで、ここでは、専門家による、人工知能の定義をいくつかご紹介したいと思います。
まず、公立はこだて未来大学元学長の中島秀之（なかしまひでゆきし）氏による人工知能の定義です。
「人工的につくられた、知能を持つ物体。あるいはそれを作ろうとすることによって知能自体を研究する分野である。」
という定義です。
次に、京都大学大学院情報学研究科教授の西田豊明（にしだとよあき）氏による人工知能の定義です。
「知能を持つメカ」ないしは「心を持つメカ」である。」
という定義です。
最後に、大阪大学大学院工学研究科教授浅田稔（あさだみのる）氏による人工知能の定義です。
「知能の定義が明確でないので、人工知能を明確に定義できない。」
という定義です。
このように、人工知能の定義は、専門家であって、様々なことがわかります。
したがって、人工知能についての明確な定義があるわけではありませんが、大体の方向として、人間のような知能をコンピューターに持たせる技術という点は共通しているように思います。
なので、人工知能とは何か？という定義は「人間のような知能をコンピューターに持たせる技術」と考えていただいてよいと思います。
ちなみに、人工知能を英語にすると、artificial intelligenceです。
この頭文字をとって、AIと呼ばれることも多いです。
人工知能の分類
人工知能は、「人間のような知能をコンピューターに持たせる技術」と説明しました。
だけど、これだけだとまだ具体的なイメージができませんよね。
そこで、もう少し人工知能という言葉の意味を理解するために、人工知能という言葉を分類してみましょう。
人工知能の２つの分類方法として「強いAI」「弱いAI」、「汎用人工知能」「特化型人工知能」という分類の方法があります。
まず、「強いAI」「弱いAI」という分類です。
この分類は、哲学者のジョン・サール氏が提唱した分類方法です。
簡単に説明すると、「強いAI」とは、人間と同じ心を持つAIのことです。
「弱いAI」とは、逆に人間ような心はなく単純なアルゴリズムの処理をしているAIのことです。
今現在、実現している人工知能は、ほとんどが弱いAIです。
強いAIは、2020年代に誕生するという有識者がいる一方、そもそも強いAIの実現は不可能という学者もいます。
この分類の提唱者のジョン・サール氏も「強いAI」の実現は不可能と考える学者の一人です。
もう1つの「汎用人工知能」「特化型人工知能」という分類方法です。
「汎用人工知能」「特化型人工知能」も今紹介した「強いAI」「弱いAI」に似た分類の概念です。
「汎用人工知能」が「強いAI」に、「特化型人工知能」が「弱いAI」にそれぞれ対応しているイメージです。
先ほどの、「強いAI」「弱いAI」という分類は、「人間と同じ心を持つAIか否か」といったような哲学的な分類です。
一方、「汎用人工知能」「特化型人工知能」は機能的な分類です。
「汎用人工知能」は、人間のように囲碁もできれば会話もできるという風に、いろいろなことに対応できるAIのことです。
具体的なイメージとして、SF映画に出てくるようなロボットたちなどが挙げられます。
「特化型人工知能」は、その名の通り、特定のことにしか対応できないAIのことです。
具体例として、自動車の自動運転、人の顔認識、囲碁のプログラムで有名なアルファ碁、OKGoogleのGoogleHomeやiPhoneのSiriなどがあげられます。
用語の整理、人工知能、機械学習、ディープラーニングとの関係（包含関係）
次に、人工知能、機械学習、ディープラーニングの関係について説明します。
人工知能と共に、よく聞く用語として、機械学習、ディープラーニングというものがあります。
ちなみに、ディープラーニングは、日本語で深層学習といいます。
さて、人工知能という言葉の定義はないと先ほど説明しましたが、この3つの用語には明確な関係性があります。
ディープラーニング、深層学習は、機械学習の一種です。
そして、機械学習は人工知能の一種です。
つまり、ディープラーニング、機械学習、人工知能の順で用語が指し示す範囲が広くなっています。
反対の表現をすれば、人工知能の一種が機械学習で、機械学習の一種がディープラーニングです。
動画の後半で、さらに用語の説明とそれぞれの関係性について説明しています。
人工知能の歴史
人工知能は、現在さまざまな業界や業種で活用が進んでいます。
この人工知能ですが、どのような歴史を歩んできたのでしょうか。
ここで紹介する歴史は、私が知っていることや、動画を作るにあたって調べたことをお話しします。
もし、間違いと思われる箇所や、もっと詳しい話をご存知の方がいらっしゃいましたら、是非、コメントをいただけると嬉しいです。
さて、人工知能についての歴史です。
実は、人工知能には3回目の「人工知能ブーム」がありました。
では、1回目、2回目の人工知能ブームはなぜ終わってしまったのでしょうか？
1回目の人工知能ブームは、1950年代後半から1960年代だと言われています。
人工知能という言葉がはじめて使用されたのは、1956年にアメリカで開催されたダートマス会議と言われています。
ダートマス会議、正式には、人工知能に関するダートマス夏期研究会で、ジョン・マッカシーさんが初めて「人工知能（Artificial Intelligence）」という言葉を使ったことが始まりと言われています。
この、「人工知能」という言葉が生まれた、第１次人工知能ブームは、主に次の２つの手法が盛んに研究されました。
探索と推論と呼ばれる手法です。
探索・推論で解ける問題の例は、迷路でゴールを目指すことであったり、オセロなどのパズルゲームの勝ち手を予測するなどです。
これらの手法は明確なルールがある場合は力を発揮します。
しかし、現実の明確なルールのない場合は回答することが難しかったようです。
明確なルールのない問題というのは、例えば、病気に対する適切な治療法を予測するといったようなものです。
このように、人間のような判断を下せる人工知能の開発は難しいと考えられるようになり、1970年代には1回目の人工知能ブームは下火になってしまいます。
2回目の人工知能ブームは、1980年代からだと言われています。
次に、研究者が考え出した人工知能を人間の判断に近づける方法は、大量の知識を人工知能に学習させると言うものでした。
例えば、先ほどの病気に対する適切な治療法を回答するには、医学の知識を事前に人工知能に学習させておけばよいと言うことです。
2回目の人工知能ブームでは、専門的な知識を与え、専門家のような回答をしてくれる「エキスパートシステム」の研究が盛んに行われました。
この手法は、医療診断などの特定分野で6割程度の診断精度を出せたそうです。
しかし、エキスパートシステムにも問題点がありました。
それは、知識を学習させる作業が膨大になると言う点です。
一例として症状から病気の診断する場合について考えみます。
例えば、患者さんが「熱がある。」といってきた場合に可能性がある病気はいくつあるでしょうか。
一般の人でも、風邪、インフルエンザ、熱中症など、様々な病気が考えられます。
このように、「エキスパートシステム」で診断を下すには、まず、この熱がでる病気をコンピュータに事前に学習させておく必要があります。
更に、一番問題となったのは、「人間としての常識」を学習させるということでした。
例えば、「ムカムカする。」「痛い。」とはどう言う状態かを正確に定義し、人工知能に学習させておくいうことです。
このように知識を定義し、人工知能に学習させる作業が膨大になるなどの理由により、2回目の人工知能ブームも次第に下火になっていきます。
そして、ついに現在の3回目の人工知能ブームがやってきます。
3回目の人工知能ブームの始まりには諸説あります。
ここでは、一応、3回目の人工知能ブームで最も注目されている技術が初めて世界に衝撃を与えた2012年としておきます。
3回目の人工知能ブームで最も注目されている技術とは、ディープラーニング、深層学習のことです。
ディープラーニングがなぜ世界に衝撃を与えたのでしょうか。
それは、2012年に開催された画像認識の精度を競う国際コンテストで、このディープラーニングを用いた手法がぶっちぎりの精度で優勝したのです。
そして、３回目の人工知能ブームは、今現在も進行を続けています。
3回目のブームが下火になっていないのは、ディープラーニングの手法の登場の他にも、パソコンの計算スピードが大幅に向上したこと。機械学習に使用されるデータがインターネットの発展などのより増大、取得しやすくなったなどの背景もあります。
以上説明したように、人工知能ブームは過去に2回下火になったことがあります。
このような歴史的な背景から、現在の人工知能の発展は３回目のブームであっていずれまた、下火になる。という見方もあるようです。
また、一方で、今回のブームは今までのブームとは性質の違うものであって今後も下火にならずに発展する。という見解もあります。
今回は人工知能のブームを中心に歴史をご紹介してきました。
人工知能と未来
ここまで、人工知能の歴史についてご紹介してきました。
では、人工知能の未来はどうなるのでしょうか。
現在、人工知能の未来を紹介する際に、量子コンピュータとシンギュラリティという単語がよくでてきます。
この単語についても人工知能にあわせて覚えておくとよいでしょう。
まずシンギュラリティについて説明をします。
シンギュラリティとは、もともと技術的特異点と訳される用語です。
ただ、人工知能におけるシンギュラリティと言うと、人工知能が全人類より賢くなる時という意味で使われています。
現状のままで、コンピュータが進化していくと、2025年ごろには一人の人間の脳よりコンピュータの方が賢くなると言われています。
また、シンギュラリティは2045年ごろに到達すると予測されています。
一方、シンギュラリティへの到達を疑問視する声もあります。
というのも、現状のままでコンピュータの性能が2045年まで向上し続ける保証はありませんし、人間の脳のメカニズムが完全に解明されていませんからです。
みなさんはシンギュラリティはくると思いますか？
このシンギュラリティですが、なぜこれほどまでに取り上げられる単語になったのでしょうか。
理由として、「人工知能が人間より賢くなれば、人工知能が人類を征服するのではないか。」という不安がよぎるからではないでしょうか。
SFで人類とロボットが闘うことを描いていたり、ロボットが全ての仕事をしている未来を描いている作品は多いですよね。
おそらくそれを彷彿とさせてしまうのでしょう。
ただ、人工知能が心を持って行動するのは考え辛いという見解が多いです。
また、仕事がなくなるという点についても、なくなる仕事はでてくると予想されますが、人間と人工知能が共存して仕事をしていく方向に進んでいくという見解が見受けられました。
量子コンピュータについては過去に、紹介動画を出しています。
その動画では、量子コンピュータは現在のコンピュータの「1億倍」という信じられない速さで演算できるということを説明しました。
この量子コンピュータで、想像もできないような量のビッグデータを人工知能で計算できるかもしれません。
それができるようにあれば、Iotでありとあらゆるデータを集め、5Gの次の6Gの超高速回線を使ってクラウドに超ビッグデータとして蓄積され、量子コンピュータで人工知能に計算をさせる。
そうすると、今までわからなかったことがわかるかもしれません。
人工知能と未来
ここからは、次の5つの産業の人工知能の活用事例と予測されている未来について簡単にご紹介します。
ご紹介する5つの産業とは、自動車・医療・建築・電力・エンターテイメントです。
まず最初は自動車産業です。
自動車産業では、既に多くの人工知能が活躍しています。
ブレーキのサポート機能や、白線に近づくと警告音がなるシステムなど人工知能が、数多く活躍しています。
自動車CMでも、そういった機能を紹介しているものが増えました。
すでに人工知能を使った自動運転が始まっていますが、近い将来、完全自動運転が実現されることでしょう。
医療産業では、医師の診断をサポートする人工知能の活躍が期待されいます。
患者の遺伝子情報から、考えられる疾患の候補や、最適な治療薬の候補を医師に提案する形で使用され始めています。
今後は、人工知能を使って初期段階で癌細胞を見つけ出すことができるようになると考えられます。
建築業界では、デザインを人工知能に提案させる取り組みが始まっています。
必要な安全条件だけを与え、それを満たすありとあらゆるデザインを人工知能に提案させ、いいものを採用するという手法です。
近い将来、自動運転の機械を使って、自動で家を立てたりビルを立てたりする世界がやってくることでしょう。
電力業界では、最適な電力需給の調整に利用されています。
電気は貯めることが難しいので、電力消費と電力供給は常にバランスを保つ必要があります。
そのバランスを保つ調整役として人工知能の活躍が期待されています。
そうすると、少ない発電でたくさんの世帯をカバーできる世界がやってくるでしょう。
エンターテイメント業界では、顧客の好みの把握、CG作成などに使用されています。
この2つがさらに発展すれば、人工知能があなただけの作品を作ってくれるときがくるかもしれません。
人工知能の業務への活用事例
ここまで、人工知能を使うとどんな未来がやってくるのか？というのを説明しました。
未来の話で、イメージがつきにくかったかもしれません。
そこで身近な例で、人工知能がどのように活用するのかご紹介したいと思います。
まず、マーケティングの有名な話として、紙おむつとビールの話があります。
これは、アメリカで、大量の顧客データを分析したところ、「紙おむつを買う人は、ビールも買う傾向がある。」ということがわかったという話です。
なぜ、紙おむつを買う人は、ビールも買う傾向にあるのでしょうか。
ロジックはこうです。
まず、子供がいる母親が紙おむつのおつかいを、父親に頼みます。
頼まれた父親は、店に行ったついでにビールも買う。
というロジックです。
この分析結果から、紙おむつとビールを並べて陳列すると、売上が上がったそうです。
ですが、あなたがお店の店員だったとしてこれに気づくことができるでしょうか？
なかなか難しいのではないでしょうか？
このような購買に関する分析で人工知能が使われます。
マーケティングに関わっていらっしゃる方なら、一度は使ってみたい手法なのではないでしょうか？
また、みなさんが普段から使用されるYouTubeにも人工知能は使用されています。
今、みなさんのYouTubeのトップページや関連動画にはどんな動画が並んでいるでしょうか。
私の他の動画、もしくは人工知能に関する動画が並んでいるのではないでしょうか。
この視聴者が見ている動画に似ている動画をおすすめするのに人工知能が使用されています。
YouTubeのおすすめや、Amazonでのおすすめなども同様に技術が津川rています。
このおすすめに使用されている人工知能として有名なのは、「協調フィルタリング」という技術です。
そのまま「レコメンド」と言ったりもします。
つまり、Aという動画に似ている動画はB、A商品に似ている商品はB商品といったように似ているものを導き出すことができます。
このようにユーザーが次にみたいであったり、紹介して欲しいであったり、買っていただけそうなものを提示できるのであれば、人工知能を使ってみたい方がいらっしゃるのではないでしょうか。
他には人工知能ではいろいろなことができます。
自社のECサイトで商品を購入したユーザーが、ユーザーの行動や属性情報などからもう1度商品を買いそうか買わなそうか判断をしたり、商品などのブランド力を測定したり、購入の決め手になっている要素を探ったり、ご自身の金融商品が今後あがるかあがらないか正解するかは別として予測もできたりします。
これらについては人工知能の講座で取り上げていく予定です。
ぜひ一緒に学んでいきましょう。
深層学習、強化学習、深層強化学習、画像認識
ここまで、人工知能の歴史、未来、現在の活用事例などについてご紹介してきました。
続いては、人工知能まわりの用語についてご説明します。
前半で、人工知能の一種が機械学習。
機械学習の一種がディープラーニングという関係性についてご紹介しました。
ディープラーニングは日本語では、深層学習でしたね。
ここでは、さらに、教師あり学習、教師なし学習、強化学習、深層学習、深層強化学習、という用語の説明をしていきたいと思います。
まず、今ご紹介した用語は全て、機械学習に属する用語です。
次に、機械学習は、その名の通り、機械に学習をさせることにより、予測や分類といったことを行わせることです。
機械学習は、その学習のさせ方により、次の3つに分類されます。
教師あり学習、教師なし学習、強化学習の3つです。
教師あり学習とは、コンピュータに学習させるデータとその答えがセットになったデータを与えて学習させる手法です。
コンピュータに学習させるデータのことを入力データといいます。
例えば、入力に猫の画像と、答えに、これは猫だよという情報を与えるというようなことですです。
教師なし学習とは、答えを与えず入力のみを与えて学習させる手法です。
例えば、入力に猫と犬の画像を大量に与えて、似ているものに分類させるというようなことですです。
強化学習とは、入力と報酬がセットになったデータを与えて学習させる手法です。
例えば、囲碁の対戦をさせ勝った場合には報酬を与え、負けたら与えないというようなことですです。
この強化学習を用いた人工知能が囲碁の世界チャンピオンに勝利したニュースをご存知の方がいらっしゃるかもしれません。
次に深層学習、ディープラーニングについてです。
深層学習とそれまでの機械学習の違いは、自分自身で判断基準を適切な方向に修正する能力があるかないかです。
例えば、従来の機械学習では、猫の体の模様にはこんな特徴がある。
犬にはこんな特徴がある。
という風に、事前に判断の基準となる特徴を学習させておく必要がありました。
この特徴に何を使用すべきか、また、どんな特徴があるのかを自動的に判断、修正できるアルゴリズムが深層学習です。
先ほどの例だと、猫と犬を見分ける判断には、体の形や模様を使おう。
さらに、猫と犬の体の形や模様にはこのような特徴があると自動的に判断してくれるのが深層学習です。
深層学習により、音声認識、画像認識の精度は格段に向上しました。
最後の深層強化学習とはなんでしょうか。
これは、深層学習と強化学習を組み合わせたものです。
深層強化学習の例として、ビデオゲームの学習があります。
例えば、戦闘系のビデオゲームの場合、まず、画面で敵を認識する必要があります。
ここで、深層学習による画像認識技術で敵を認識できるようにします。
次に、戦闘に勝った際には報酬を与えるという風に、深層学習と強化学習を組み合わせたものが深層強化学習となります。
人工知能開発ができるプログラミング言語
今まで紹介した人工知能。
なんのプログラミング言語を使用すれば良いのでしょうか？
もう答えがわかっていらっしゃる方が多いと思いますが、それがPythonです。
Pythonは、1991年にオランダ人のグイド・ヴァンロッサムさんが開発したプログラミング言語です。
Pythonという名前は、ヴァンロッサムさんが好きだった『空飛ぶモンティ・パイソン』からとりました。
そのため、Pythonという名前は、英単語としての意味「ニシキヘビ」とは関係ないですが、アイコンにヘビが使われることが多いです。
Pythonでは、機械学習の他にも様々なことができる言語でもあります。
機械学習の他に、データ分析、Webアプリケーション開発、仕事の自動化などもできます。
Pythonは「文章を読むようにわかりやすいコード」を目標に作られたプログラミング言語です。
したがって、Pythonは非常に学びやすい言語です。
私はPythonの他にも、いくつかの言語を触ったことがあります。
その中でも、Pythonは実際に、読みやすく、書きやすい言語だと感じます。
そういった背景もあり、Pythonは人気言語です。
2019年のstackoverflowの調査で、好きなプログラミング言語ランキング2位に選ばれています。
また、世界規模のテクノロジー起業のGoogleでは、社内の標準プログラミング言語として、Pythonを採用しています。
Youtube、Facebook、Instagram、NetflixなどのインターネットサービスでもPythonが活用されています。
この、人工知能開発入門講座でも、Pythonを使用してレッスンを進めていく予定です。
Pythonの基礎については、私が配信をした、Python超入門コース、Pandas入門コースがあります。
この講座では、基本的に上記二つのレッスンを終えている前提で進めていきます。
ですので、まだ未学習の方は少し長いですが、二つのレッスンを頑張っていただけると嬉しいです。
挨拶
最後まで、ご覧いただきありがとうございました。
次回からは、実際のアルゴリズムのレッスンになります。
新着動画の通知が参りますので、気に入った方はチャンネル登録をお願いします。
人工知能開発入門講座に最後まで、ついてくるのは大変かもしれません。
ですが、私も可能な限りわかりやすく、皆さんが学習しやすい動画作りを目指して頑張ります。
一緒に頑張っていきましょう。
それでは、次のレッスンでお会いしましょう。
