はじめに
文系の皆さんがAI人材になるためのノウハウを投稿していきます。ＡＩの技術が発展するにつれわたしたちの職業も失われていく中で，どうすればいいのかを考えていきましょう。
AIの歴史
AIという言葉は1950年代に登場したとても古くからある言葉です。AIの概念が生まれた当初は、コンピュータがゲームやパズルを解いたり、迷路のゴールを探させたりする程度のものでした。これが第一次AIプームでした。
1980年代に入ると専門家の知識をAIに教え込むエキスパートシステム作りが目指されました。これが第二次AIプームと呼ばれる時期です。ただし例外の処理などに対処できず、なかなか実用化ができなかったことからそれほどAIの注目度は高まりませんでした。この時代からしばらくAIは冬の時代に入ったといわれます。
エキスパートシステム
ある分野の専門家のもつ知識をデータ化し、専門家のように推論や判断ができるようにするもの
第二次AIプームの時代に苦戦した理由として、AIに例外も含めたさまざまな情報を人がインプットしてあげなければいけない点がありました。これを解決したのがAI自らが学習するという発想から生まれた機械学習です。人が例外も含めたすべてをインプットしなくても、一定のデータにより機械が学習することによって解答の精度を上げるというものでした。
2000年代に入り、マシンの処理速度も高性能化していったことで実用化も進んでいきます。ただし、その当時に生まれた機械学習は、一旦人が特徴を定義してあげた学習データを元に学んでいくタイプのもので、多くの過程で人のサポートが必要でもありました。2000年代における第三次AIプームの火つけ役となったのが機械学習の一種であるディープラーニングです。
特にAIに画像を認識させる場合の例がわかりやすいのですが、旧来型の機械学習が、人による特徴の定義が多くの場合必要だったことに対し、ディープラーニングでは、人が特徴を定義するというサポートをしなくても、マシンそのものが特徴づけも行ない、自ら学習を高い精度で進めていくことができるようになったのです。
ディープラーニングを動かすには多くのデータを長時間扱う必要があったので、2000年代のはじめの頃は、なかなか実用的ではないと判断されていました。しかし、2016年以降はビッグデータの取り組みが広がったり、マシンの処理スピードが上がり高性能化することによって、ディープラーニングの取り組みが急速に広がりました。大量の学習データを確保することができ、しかもそれを学習する時間も短縮することができるようになったので、ディープラーニングの実践活用度が高まり、第三次AIブームがさらに過熱し、大きな社会現象にまでなったのでした。
そしてこのディープラーニングは、大きく3つの点でAIの力を上げ、社会の中でのAIの実用範囲を広げました。
- 「画像·動画識別力」
- 「自然言語·会話制御力」
- 「物体制御力」
それぞれ以前からある機械学習の方式では、解決が難しかった分野でしたが、ディープラーニングが道を切りひらきまし
た。これら3つの力で、眼耳と口、身体の代わりをAIが一部担える可能性が高くなってきたのです。「画像·動画識別力」は眼の代わり「自然言語·会話制御力」は耳と口の代わり「物体制御力」は身体の代わりをします。
現在のAIは、機械学習がメインとなっており、さらにその機械学習の中でもディープラーニングは、AI全体の可能性を広げた新星といえます。
