本コンテンツは、日本ディープラーニング協会のG検定を想定したコンテンツとなっております。
人工知能の定義
人工知能とは何か
「人工知能（Artificial Intelligence）」：1956年にアメリカで開催されたダートマス会議、ジョン・マッカーシーが利用したのが始まり。しかし、明確な定義はない。
そもそも「知性」や「知能」自体の定義がない。「人間と同じ知的な処理能力」の解釈が研究者によって異なる。
人工知能の大まかな分類
『エージェントアプローチ人工知能』：周囲の状況（入力）によって行動（出力）を変えるエージェント（プログラム）として人工知能を捉える。人工知能をレベル別に分類したものが以下の4つ。
- レベル1：シンプルな制御プログラム
エアコンの温度調整、洗濯機の水量調整など、あらかじめ単純な振る舞いが決まっている。制御工学、システム工学分野で長年培われた技術。 - レベル2：古典的な人工知能
掃除ロボットや診断プログラムなど、探索・推論、知識データを利用し、状況に応じて複雑な振る舞いをする。
レベル１のAIのような単純作業を行うだけでなく、様々な局面に対して対応できるような古典的なAIが該当します。 例えば、将棋のプログラムや掃除のロボット、質問に答える人工知能や診断プログラムに使われるエキスパートシステムなど、「弱いAI」が該当します。 - レベル3：機械学習を取り入れた人工知能
検索エンジンや交通渋滞予測など、大量のサンプルデータをもとに入力と出力の関係を学習したもの。パターン認識という研究をベースに発展し、ビックデータでより進化。 - レベル4：ディープラーニングを取り入れた人工知能
特徴量と呼ばれる変数を、自動的に学習するサービスや製品。画像認識、音声認識、自動翻訳など。
全人類をデジタル管理 国際的な資本家（グローバリスト）がワクチンを推し進める理由はお金だけではありません。 今、国連は、SDGs（持続可能な開発目標）の「2030年までにすべての人に出生証明を含む法的なアイデン[…]
人工知能に関するキーワード
推論
推論とは，いくつかの命題を根拠にして，1 つの命題を導き出すことである。 導き出すことを 「導出する」という。 また，根拠となる各命題を「前提」，導出される命題を「結論」という。 推 論自体は，真偽を問うことができる 1 つの命題である。
機械学習
機械学習（machine learning）とは、経験からの学習により自動で改善するコンピューターアルゴリズムもしくはその研究領域で、人工知能の一種であるとみなされている。「訓練データ」もしくは「学習データ」と呼ばれるデータを使って学習し、学習結果を使って何らかのタスクをこなす。例えば過去のスパムメールを訓練データとして用いて学習し、スパムフィルタリングというタスクをこなす、といった事が可能となる。
機械学習は以下の分野と密接に関係する
- 計算統計学：計算機を使った予測に焦点を当てた分野
- 数理最適化：定められた条件下における最適解の探索に焦点を当てた分野
- データマイニング：教師なし学習における探索的データ解析に焦点を当てた分野
機械学習という名前は1959年にアーサー・サミュエルによって造語された。
ディープラーニング
ディープラーニング（Deep Learning）とは、脳の神経回路のしくみを模したニューラルネットワークを多層に重ねることで、学習能力を高めた機械学習の手法の一つです。 ディープラーニングによって、データの特徴をより深く学習し、複雑な処理ができるようになった。
過去数年にわたって、ディープラーニングのようなハイテク概念の出現と、GAFAのようないくつかの巨大な組織によるビジネスへの採用がありました。ディープラーニングが世界的に注目されているのには、様々な要因があります。 この記事では、ディ[…]
知的エージェント
知的エージェント（Intelligent Agent、IA）とは、一種の人工知能的機能を有するソフトウェアエージェント。ユーザーを補助し、繰り返し行うべきコンピュータ関連のタスクをユーザーに代わって行うエージェントである。通常のエージェントは、固定的なプログラムされた規則に基づいて操作者の補助やデータマイニング（ボットなどと呼ばれる）に使用されるのに対して、知的エージェントは学習し「適応」する能力を有する。
知的エージェントには以下のような特徴がある。
- 環境との相互作用によって学習し改善されていく（Embodiment）
- オンラインおよびリアルタイムに適応
- 大量のデータから高速に学習
- 絶えず新たな問題解決規則に適応していく
- 類型や検索に関するデータはメモリ上に持つ
- 短期記憶や長期記憶、その間の移動や忘却に関してのパラメータを指定できる
- 自身の動作・失敗・成功などを自己分析できる
AI効果
人工知能で実現した原理がわかってしまうと、「それは単純な自動化であって知能とは関係ない」と結論付ける心理的効果。
人工知能とロボットの違い
ロボットの脳に当たる部分が人工知能。
脳以外の部分を研究対象としているロボットの研究者は人工知能の研究者ではない。また、人工知能の研究は脳だけを対象としているわけではない。
ブロックチェーンの概要 定義されたブロックチェーン ブロックチェーンは、ビジネスネットワークでトランザクションを記録し、資産を追跡するプロセスを容易にする、共有された不変の元帳です。資産は、有形（家、車、現金、[…]
人工知能研究の歴史
人工知能研究の歴史に関するキーワード
ロジック・セオリスト
1955年～1956年に、アレン・ニューウェル、ハーバート・サイモン、J・C・ショーが開発したコンピュータプログラム。「世界初の人工知能プログラム」といわれる。
数学の定理を証明することができる。
コンピュータが四則演算などの数値計算しかできなかった当時においては、画期的だった。
トイ・プロブレム
AI（人工知能）研究分野におけるトイプロブレム（Toy problem、おもちゃの問題）とは、例えば迷路やオセロなど、ルールとゴールが決まっている問題のことであり、そういった問題をAIが解くという意味である。転じて、逆の視点から、そのAIは複雑な現実問題は解けない、つまりおもちゃの問題しか解けないということを意味する場合もある。現在では、むしろ後者の意味で用いられるケースが多い。
エキスパートシステム
エキスパートシステムとは、専門知識のない素人あるいは初心者でも専門家と同じレベルの問題解決が可能となるよう、その領域の専門知識をもとに動作するコンピュータシステムのことです。システムは専門家のかわりに特定の分野に特化した知識をもとに推論をおこない、専門家のようにアドバイスや診断をおこないます。「推論エンジン」と「知識ベース」から成り立っています。
第五世代コンピュータ
第五世代コンピュータ計画とは、当時の通商産業省（現経済産業省）所管の新世代コンピュータ技術開発機構（ICOT）が、1982年から1992年にかけて進めた国家プロジェクトである。いわゆる人工知能コンピュータの開発が目的にされており、総額で540億円の国家予算が投入されている。非ノイマン型計算ハードウェア、知識情報処理ソフトウェア、並行論理プログラミング言語がプロジェクトの三本柱とされた。
第五世代とはICOTが定義した電子計算機の分類に由来しており、第一世代（真空管）、第二世代（トランジスタ）、第三世代（集積回路）、第四世代（大規模集積回路）に続く、人工知能対応の次世代技術を意味していた。
特徴量
分析すべきデータや対象物の特徴・特性を、定量的に表した数値。 ディープラーニングなどの機械学習による予測や判断の精度を高めるためには、必要な特徴量のみを適切に選択することが重要となる。
ディープブルー
大学の研究室で生まれたチェス専用スーパーコンピュータ「ディープ・ソート」の研究を引き継ぐ形で、IBMが1989年より開発を開始したもので、ディープ・ソートを破った当時チェスの世界チャンピオンだった、ガルリ・カスパロフを打ち負かすことを目標とした。
ダートマス会議
アメリカで開催されたダートマス会議
参加者：マーヴィン・ミンスキー、ジョン・マッカーシー、アレン・ニューウェル、ハーバート・サイモン、クロード・シャノン。
知的に行動したり、思考したりするコンピュータ・プログラムの実現可能性について議論されました。
ニューウェルとサイモン：世界初の人工知能プログラムといわれるロジック・セオリストをデモンストレーションしコンピュータを用いて数学の定理を自動的に証明することが実現可能であることを示す。
人工知能研究のブーム
■ 第1次AIブーム（推論・探索の時代：1950年代後半～1960年代）
トイ・プロブレム（おもちゃの問題）：コンピュータによる「推論」や「探索」 の研究が進み、特定の問題に対して解を提示できるようになった。迷路や数学の定理の証明のような簡単な問題は解けても、現実の問題は解けないことが明らかになり、1970年代には人工知能研究は冬の時代。
■ 第2次AIブーム（知識の時代：1980年代）
エキスパートシステム：データベースに大量の専門知識を溜め込んだ実用的なシステム。
日本では、政府によって「第五世代コンピュータ」と名付けられた大型プロジェクトが推進。
しかし、知識を蓄積・管理することの大変さが明らかになってくると、1995年ごろからAIは冬の時代。
■ 第3次AIブーム（機械学習・特徴表現学習の時代：2010年～）
ディープラーニング（深層学習）：ビッグデータを用いることで、人工知能が自ら知識を獲得する機械学習が実用化。また、特徴量を人工知能が自ら習得するディープラーニング（深層学習）が登場。
3つの時代は互いに重なり合っている。
ステーブルコインとは何か？ ステーブルコインとは、ボラティリティーを最小限に抑えた仮想通貨の一形態です。ステーブルコインは、例えば、米ドルや金などの他の資産にペッグ（連動）されている場合があります。仮想通貨はボラティ[…]
