はじめに
今、現在も流行しAIを取り入れ業務の最適化や便利化を図りAIを個人のサポーターとして利用している世の中になりつつあります。そんなAIについて勉強して再度AIの可能性や思っていることを見直して軸の再設定、再認識をしようと思い記事を書きました。
前回はAIについてチャットAIに尋ねてみた記事を出しましたがその記事を書いてから時間が経ちましたから再度考察という形でAIについて記事を出そうと思います。
前回の記事：
AIとは
AI（人工知能）とは、人間の脳のような作業をコンピューターが行うことを目的とするプログラムのことです。AIは、過去のデータを学習することでデータの統計やパターンを学び、新たなデータを予測するといった特徴があります。
AIは今ある情報から人間のように解釈し繋げて回答を出すことができ人間のサポートの役割を担える存在のシステムです。システムを組み込むことでサービスになり実際に利用する人が体感できます。
その可能性は、今のところ未知数であり様々な専門家が言うには、”AIで世の中が変化する”といわれるくらいのポテンシャルが秘められているとされています。
私個人的には、AIによって世の中の平均化が加速できるのではと感じます。Webが広がり情報が取りやすくなり、SNSの発展により人とのつながりが広がり、そしてAIによって人の知識などの平均化が起きて、とりあえずAIに聞けば平均点の仕事を確保してくれるとなりそうです。
なので万能AIでなにもかも請け負ってくれるものでは今のところないので注意が必要でサポートのパフォーマンスが高いのでAIと聞くと侵略者と思われ毛嫌いされてしまいますがそんなことないよと私は言いたいです。
AIの構造
AIの構造を考える際、大きく「ハードウェア」と「ソフトウェア」という2つの要素に分けることができます。ハードウェアは、AIが動作するための物理的な装置（コンピューターなど）を指し、ソフトウェアは、AIの機能を実現するためのプログラムを指します。
AIを支える2つの主要な仕組みとして、「機械学習」と「ディープラーニング（深層学習）」があります。機械学習は、AIが過去のデータから学習し、新たなデータを予測する技術です。一方、ディープラーニングは、人間の脳の神経回路網を模倣したニューラルネットワークを用いて、より高度な学習を行う技術です。
ハードウェアは、国内でも注目されている半導体等のもので半導体は、主にAIの学習速度を速めるのに必要とされています。PCでも高性能なものは、処理が速かったり画質が良かったりするのでそれと同じでAIを作るにも機械によって膨大な量のデータを処理する能力に差が出てしまいます。
ソフトウェアは、システムやサービスに関わるものでどうゆう機能(チャットなのか画像生成なのか）で処理させるのかなどで従来のアプリケーションと考え方は同じです。
AIの構造の仕組みとして主に機械学習、ディープラーニングがありこれらが人間が考えているかのように処理するための重要な箇所となる技術が搭載されています。ディープラーニングの登場によってAIの開発は、加速していきました。
AIの種類
AIは大きく分けて2つの種類に分けられます。
特化型AI（Artificial Narrow Intelligence）:
特定のタスクをこなすことに特化したAIです。現在のAIのほとんどがこのカテゴリーに属します。例えば、画像認識や音声認識のためのAI、自動運転のためのAIなどが特化型AIに含まれます。
今流行しているAIはすべてこれに当たります！これらの特化したAIが我々の仕事の一部を担う役割ができるといわれています。一つの事に特化できるが他の事と組み合わせては考えれないので特化といわれています。これは、AI自身がその言葉の意味や経験、体験での概念の固定化ができないために起きるもので一つ一つの言葉を数値などのベクトル化して認識しているため組み合わせは苦手です。
一つの事に関しては、知能指数は司法試験の５％ほどの知識があるので使い方によっては、ものすごいサポーターになります。
汎用型AI（Artificial General Intelligence）:
特定のタスクに限定されない多種多様なタスクを処理可能なAIのことを指します。つまり、人間と同等かそれ以上の振る舞いをできるAIのことを指します。現在、汎用型AIが実用化された例はほとんどなく、そのわずかな実例も「人間のような」振る舞いをするAIとはほど遠いものとなっています。
私個人としては、この汎用AIが誕生したら世の中の変革期に間違いなく入ると思います。今は、まだAIにできる事は、限定されて人間には敵わない存在ですが、汎用AIが誕生することで人間との対等に変わり原爆のようにとても慎重に扱わないといけないものになると思います。しかし慎重にはなるがその分効果は計り知れずうまく使えれば今の悩み、問題点がすべてなくなるのではと感じます。
それほどの可能性を今現状で感じています。
AIの分析技術の種類
大きく分けて「機械学習」「ディープラーニング」「強化学習」の3種類があります。これらの技術は、AIがデータから学習し、予測や判断を行うための手法です。
基本として機械学習がありディープラーニングの登場によってAIの開発は加速していきました。ディープラーニングは先ほども軽く説明しましたが人間の脳の構造を真似たニューラルネットワークを模倣したものでありこの技術によって人間のような振る舞いをしたり考えを回答することができるのです。またより精度の高い回答を出せるように様々なアルゴリズムを用いて訓練されています。
機械学習、ディープラーニング、強化学習については詳しくは記事にしているのでそちらを参考にしてください。
特化型AIの種類
言語処理AI
言語処理AIは、人間が使う自然言語を理解し、それに基づいて適切な応答を生成するAIです。例えば、チャットボットや音声アシスタント（SiriやGoogleアシスタントなど）がこの種類に含まれます。
チャットAIといわれているのがこの言語処理AIです。これが多くの人に認知されたのがChatGPTの登場だったでしょう。ChatGPTの登場によって自然な会話をすることができ様々な疑問や内容に答えることができAIに対する実感を感じることができるようになりました
音声認識AI
音声認識AIは、人間の音声をテキストデータに変換するAIです。これにより、音声を入力として受け取り、それに対する適切な応答を生成することが可能になります。
音声認識AIは声の周波数や振動等を数値に変換することで特徴をとらえるものです。これによって自分の声をAIに学習させテキストを読ませるとあたかも自分が喋ったかのように出力することで話題になりました。
それと同じようにマイクで認識してテキストに変換して検索やメモも可能になりました。マイクで喋ってメモすることは、広く一般的となって普及しているAIといえるでしょう。
画像認識AI
画像認識AIは、画像データを解析し、その中に含まれる物体や人物を認識するAIです。例えば、顔認証システムや自動運転システムなどがこの種類に含まれます。
画像認識でも認識した画像の位置情報等を数値にベクトル化して処理をします。画像認識は、これからもっと汎用していくと考えられます。それは、セキュリティーであったり仕事の効率化、生活の便利化には欠かせないシステムとなるからです。今までは人間の目で監視していたものがAIを用いることでその必要がなくなり、人間の目では、見落としてしまう瞬間などのムラがなくなる点で大きな役割を担います。これは、人間の効率化が大きく効果として出る内容と感じます。
制御AI
制御AIは、特定の装置やシステムの制御を行うAIです。例えば、自動運転車やドローンの航路設定などがこの種類に含まれます。
この制御AIでは、画像や音声認識の情報をもとに状況を整理し最適解を見つけ出力する司令塔のような立ち位置のAIになります。このAIがあることで状況に応じてAIが判断し独自の動きをすることが可能になります。
このAIは主に自動車の自動化が大きな話題を呼んで知られていると思います。
推測AI
推測AIは、過去のデータから未来の状況を予測するAIです。例えば、需要予測やクレジットカードの不正検知などがこの種類に含まれます。
最近、AIが浸透しているなと感じるのはこの推論AIです。分析や予測を得意とし今の情報からの将来を予測する、または自動補完の役割がイメージできます。自動補完では記入しているテキストの次に記入されるであろう文字を確率で予測してススメてきたりその単語自体をススメたりと様々な場所で活躍しているのをよく見ます。
分析等は、企業の進捗や市場調査などのビジネス的な需要が高いと感じます。
AIの実装例
製造業：
AIは製造業で広く利用されています。例えば、不良品検品では、食品・機器メーカーを中心に、良品・不良品を見分ける画像処理技術が活用されています。また、在庫数の最適化では、AIを導入することで在庫管理にかかっていたコストを年間で1~2億ドル削減することに成功した例もあります。
農林業：
農林業でもAIの活用が進んでいます。例えば、きゅうり選別では、自作できゅうりの大きさやツヤから自動できゅうりを等級に分ける画像認識機械が作成され、出荷作業が1.4倍ほどスピードアップした例があります。
金融・保険業：
金融・保険業でもAIの活用が進んでいます。例えば、クレジットカードの不正検知では、AIが不正な取引を検知し、その情報を元に不正行為を防ぐシステムが構築されています。
AIの活用は多岐にわたりどの企業でもAIで効率化、便利化できないか考えているのが今の状態と思います。今後この流れは加速していき、導入しているところとしてないところの収益の最大化の差が生まれると思います。導入への初期費用は掛かりますが後々を考えると差が生まれると感じます。ですが強制ではなくその一人一人に合った選択をするのがベストだと思います。
AIの倫理問題
AIの倫理問題は、AIが人間社会に統合されるにつれてますます重要になっています。以下に、主な問題点をいくつか挙げてみます。
責任の所在:
AIが事故を起こした場合、責任はAIを設計した人間にあるのか、それともAI自体にあるのか。
差別・偏見:
AIが学習するデータに偏りがあると、その結果も偏ったものになります。これは、特定の人種や性別に対する差別を生む可能性があります。
透明性の欠如:
AIの判断過程はしばしば「ブラックボックス」とされ、その透明性が問われています。
個人データの使用:
AIが個人データを使用する際のプライバシー保護も大きな問題です。
倫理に関してはすごくネックな問題点です。今後の汎用AIの誕生を逆算すると今のうちから整える、またはやらないことを決めておかないと大変なことになりそうです。
私個人としては、今の段階では問題が起きたら決まりを作り、制御してアップデートをしていくのがいいと思います。今の段階から危惧して何もかも規制してしまえば人間自体の発展はないですしそこで可能性は閉ざされてしまうからです。
問題があってからでは遅いこともあるでしょうがそれはどの分野の発展でも同じで問題がないほうが恐ろしいと考えるべきではないかなと思います。
国のAIガバナンス：AIガバナンス（METI/経済産業省）
おわりに
AIについて再度まとめてみました。わたしとしてもスッキリしてAIと深く関われそうな気がします。
AIに関して追ってみるのは今のテクノロジー流行を追っているようで結構楽しいです。なので読者の皆さんもAIを調べたり、実際にAIと関わってその効果を体験してもらいたいなと思いました。
読んでいただきありがとうございました。
