アプリが「人工知能」を搭載していると主張すると、まるで未来にいるように感じます。しかし、それは実際には何を意味するのでしょうか？ AI、機械学習、ニューラル ネットワークなどのバズワードが実際には何を意味するのか、そしてそれらが実際にアプリの改善に役立つのかどうかを見ていきます。
つい最近、Google と Microsoft の両方が次のことを追加しましたニューラルネットワーク学習に彼らの翻訳アプリ。 Googleはこう言った機械学習を使用してプレイリストを提案する。 Todoist は AI を使用していつタスクを完了すべきかを提案する。 Any.do は AI を活用したボットを主張しているあなたの代わりにいくつかのタスクを実行できます。それはすべて先週のことです。その一部は、新機能を印象的に見せるための宣伝文句ですが、場合によっては、その変更が正当に役立つ場合もあります。 「人工知能、””機械学習、" そして "ニューラルネットワーク」はすべて、コンピューターがより高度なタスクを実行し、環境から学習する方法について説明しています。アプリ開発者によってこれらが同じ意味で使用されているのを耳にするかもしれませんが、実際には大きく異なる場合があります。
ニューラル ネットワークは人間の脳をシミュレートすることで複雑なデータを分析します
人工ニューラル ネットワーク (ANN、略して「ニューラル ネットワーク」) は、脳内でのシナプスの働きをエミュレートする特定の種類の学習モデルを指します。従来のコンピューティングの用途一連の論理ステートメントタスクを実行します。一方、ニューラル ネットワークは、ノード (ニューロンのように機能する) とエッジ (シナプスのように機能する) のネットワークを使用してデータを処理します。その後、入力がシステムを通じて実行され、一連の出力が生成されます。
次に、その出力が既知のデータと比較されます。たとえば、犬の写真を認識できるようにコンピューターを訓練したいとします。何百万枚もの犬の写真をネットワーク経由で実行し、どの画像が犬に見えると判断したかを確認します。次に人間は、どの画像が実際に犬であるかを確認します。その後、システムは、正しい答えにつながったニューラル ネットワークを介した経路を優先します。時間と何百万回もの反復により、ネットワークは最終的に結果の精度を向上させます。
これが実際にどのように機能するかを確認するには、次のようにします。Google の Quick, Draw を試してみましょう!ここで実験してください。この場合、Google は Doodle を認識できるようにネットワークをトレーニングしています。あなたが描いた落書きを他の人が描いた例と比較します。ネットワークには Doodle が何であるかが伝えられ、過去の Doodle の外観に基づいて将来の Doodle を認識するようにトレーニングされます。たとえあなたの描画スキルが最悪だったとしても (私もそうでした)、ネットワークは潜水艦、観葉植物、アヒルなどの基本的な形状を認識するのがかなり得意です。
ニューラル ネットワークはすべてに適したソリューションではありませんが、複雑なデータの処理には優れています。 Google と Microsoft がニューラル ネットワークを使用して翻訳アプリを強化していることは、当然のことながらエキサイティングです。言語を翻訳するのは難しい。私たちは皆、壊れた翻訳を目にしたことがありますが、ニューラル ネットワーク学習により、システムが正しい翻訳から学習して、時間の経過とともに改善される可能性があります。音声文字起こしでも同様のことが起こっています。 Google Voiceにニューラルネットワーク学習を導入した後、転記エラーが 49% 減少しました。すぐには気づかないかもしれませんし、完璧ではありませんが、この種の学習により複雑なデータ分析が真に改善され、アプリのより自然な機能につながる可能性があります。
機械学習はコンピュータに練習による改善を教える
機械学習は、機械自身でタスクを改善するよう教えるあらゆるものを含む広義の用語です。より具体的には、あらゆるシステムを指します。タスクを完了する際のマシンのパフォーマンスは、そのタスクを実行する経験が増えることによってのみ向上します。。ニューラル ネットワークは機械学習の一例ですが、機械が学習できる唯一の方法ではありません。
たとえば、機械学習の代替手法の 1 つは次のように呼ばれます。強化学習。この方法では、コンピューターがタスクを実行し、その結果に基づいて評価されます。 Android Authority による上記のビデオでは、例としてチェスのゲームが使用されています。コンピューターはチェスのゲームを最後までプレイし、勝つか負けます。勝った場合、そのゲーム中に使用した一連の動きに勝利値を割り当てます。何百万ものゲームをプレイした後、システムはそれらのゲームの結果に基づいてどの手が最も勝つ可能性が高いかを判断できます。
ニューラル ネットワークは画像のパターン認識などに適していますが、どの種類の音楽が好きかを判断するなど、さまざまなタスクには他のタイプの機械学習の方が役立つ場合があります。つまり、Google は自社の音楽アプリがあなたを見つけてくれると言っています好きなときに好きな音楽を。これは、あなたの過去の行動に基づいてプレイリストを選択することによって行われます。その提案を無視した場合、それは (おそらく) 失敗として分類されるでしょう。ただし、提案の 1 つを選択すると、その提案を行うために使用されたプロセスが成功としてラベル付けされるため、その提案に至ったプロセスが強化されます。
このような場合、この機能を頻繁に使用しないと、機械学習の利点を最大限に活用できない可能性があります。初めて Google の音楽アプリを開いたとき、おすすめはおそらくかなり散らばったものになるでしょう。使えば使うほど、より良い提案が得られます。とにかく理論的には。機械学習は特効薬ではないため、役に立たない推奨事項が得られる可能性があります。ただし、あなたは、絶対に半年に 1 回しか音楽アプリを開かない場合、ジャンクなおすすめ情報が表示されます。学習を助けるために定期的に使用しなければ、機械学習の提案は通常の「賢い」提案よりも優れたものにはなりません。流行語としての「機械学習」はニューラル ネットワークよりも曖昧ですが、それでも、使用しているソフトウェアがフィードバックを使用してパフォーマンスを向上させることを意味します。
人工知能とは「賢い」ものすべてを意味します
ニューラル ネットワークが機械学習の一種であるのと同様に、機械学習も人工知能の一種です。しかし、その他に「人工知能」とみなされるもののカテゴリーはあまりにも定義が不十分で、ほとんど意味がありません。それは未来の SF のイメージを思い起こさせますが、実際には、以前は将来の AI の領域と考えられていたマイルストーンにすでに到達しています。例えば、光学式文字認識かつては機械としては複雑すぎると考えられていましたが、今では携帯電話のアプリで文書をスキャンしてテキストに変換できます。このような今や基本的なタスクを AI と表現すると、実際よりも印象的に聞こえるかもしれません。
基本的な電話のタスクが AI とみなされる理由は、実際には人工知能には 2 つの非常に異なるカテゴリがあるためです。弱いまたは狭い AI狭いタスクまたは一連のタスク用に設計されたシステムを指します。例えば、Googleアシスタントそしてシリ強力ではありますが、非常に限られたタスクを実行するように設計されています。つまり、特定の一連の音声コマンドを受け取り、応答を返すか、アプリを起動します。人工知能の研究によりこれらの機能が強化されていますが、依然として「弱い」と考えられています。
対照的に、強いAI—別名として知られている汎用人工知能または「フル aI」は、人間が実行できるあらゆるタスクを実行できるシステムです。それも存在しません。 To Do リスト アプリに次のような機能が搭載されることを期待していたのなら、アラン・テュディックが声を担当するかわいいロボット、それは遠いです。実際に使用するほぼすべての AI は弱い AI とみなされるため、アプリの説明にある「人工知能」というフレーズは実際には「スマートなアプリである」という意味にすぎません。いくつかのクールな提案が得られるかもしれませんが、それが人間の知性に匹敵するものであるとは期待しないでください。
意味論は曖昧かもしれませんが、AI 分野の実践的な研究は非常に役立つため、おそらくすでに日常生活に取り入れているでしょう。毎回、携帯電話が自動的にあなたが駐車した場所を覚えています、写真内の顔を認識し、検索候補を取得する、 または休暇中のすべての写真を自動的にグループ化します、AI 研究から直接的または間接的に恩恵を受けています。ある意味、「人工知能」とは、実際にはアプリがより賢くなることを意味しており、それはいずれにしても予想されることです。ただし、機械学習とニューラル ネットワークは、特定の種類のタスクの改善に独特に適しています。アプリが単に「AI」を使用していると述べているだけでは、どのような種類の機械学習よりも意味がありません。
ニューラル ネットワークと機械学習はすべて同じように作られているわけではないことも指摘しておく価値があります。アプリが何かを改善するために機械学習を使用していると言うのは、カメラが「デジタル」だから優れていると言うのと少し似ています。確かに、デジタル カメラにはフィルム カメラではできないことがいくつかありますが、だからといって、すべてのデジタル写真がすべてのフィルム写真よりも優れているというわけではありません。すべては使い方次第です。一部の企業は、あなたの生活をより良くする非常に複雑なことを行う強力なニューラル ネットワークを開発できるようになるでしょう。すでに「賢い」提案を提供している機能に機械学習のラベルを貼り付ける人もいますが、あなたはそれを同様に無視するでしょう。
舞台裏の観点から見ると、機械学習とニューラル ネットワークは非常に興味深いものです。ただし、これらのフレーズが使用されているアプリの説明を読んでいる場合は、「この機能はおそらく少し賢いです」とだけ読んで、アプリが自分にとってどれだけ役立つかによってアプリを判断するという、これまでと同じことを続けることができます。
イラストはサム・ウーリー。
