学習し、推論し、生成する機械
人工知能
人工知能は、パターン認識、言語理解、計画、予測、創造的な生成など、人間の知能に関連するタスクを実行できるコンピューター システムを構築する分野です。
それが何を意味するか
人工知能は単一のマシンやメソッドではありません。これは、アルゴリズム、モデル、データセット、センサー、ロボット、言語システム、計画ツール、意思決定支援ソフトウェアを含む幅広い分野です。共通の目標は、認識、推論、適応、またはコミュニケーションを必要とするタスクをコンピュータに処理させることです。
AIはどのように学習するのか
最新の AI システムの多くはデータから学習します。モデルはすべてのルールを手動でプログラムするのではなく、サンプルに基づいてトレーニングされ、有用な予測を行ったり有用な出力を生成したりできるまで内部パラメーターを調整します。トレーニングは、ラベル付きの例で監督することも、パターン発見を通じて監督なしで行うことも、報酬やフィードバックを通じて強化することもできます。
機械学習と深層学習
機械学習は、データを通じて改善するシステムに焦点を当てた AI の分野です。ディープラーニングは、多くの層を持つニューラル ネットワークを使用して、テキスト、画像、オーディオ、ビデオ、および構造化情報の複雑なパターンを認識します。これらのシステムは、音声認識、翻訳、画像生成、推奨エンジン、および多くの最新言語モデルを強化します。
生成AI
生成 AI は、学習したパターンに基づいて、新しいテキスト、画像、音楽、ビデオ、コード、またはその他のメディアを作成します。大規模な言語モデルは、単語やトークンのシーケンスを予測して構成するため、質問に答えたり、文書を草稿したり、要約したり、翻訳したり、プログラミングを支援したりすることができます。彼らの流暢さは強力ですが、事実の正確さを保証するものではありません。
インフラとしてのAI
AI はますます、製品や組織内のインフラストラクチャのように機能します。情報の分類、不正行為の検出、コンテンツの推奨、医師の支援、配達のルート指定、スパムのフィルタリング、顧客サービスのサポート、科学者による大規模なデータセットの分析を支援します。多くの場合、ユーザーには結果のみが表示され、その背後にあるモデルは表示されません。
限界とリスク
AI システムは、間違っていたり、偏っていたり、脆弱であったり、不透明であったり、悪用されたりする可能性があります。これらは、不公平または古いトレーニング データのパターンを反映している可能性があります。これらは説得力のある虚偽を生成したり、慣れ親しんだ条件外で失敗したり、プライバシーやセキュリティのリスクを引き起こしたりする可能性があります。責任ある AI の作業では、評価、透明性、人間による監視、データ品質、使用の明確な制限に焦点を当てます。
なぜそれが重要なのか
人工知能が重要なのは、人々がテクノロジーを検索、作業、作成、決定し、やり取りする方法を変えるからです。専門知識へのアクセスを拡大し、反復的なタスクを自動化できますが、労働、権力、説明責任、教育、創造性、信頼に関する疑問も生じます。その影響はアルゴリズムだけでなく、人々がそのアルゴリズムをどのように導入するかを選択するかにも依存します。