人工知能は人間を超えるか ディープラーニングの先にあるもの
序 章 広がる人工知能――人工知能は人類を滅ぼすか
第1章 人工知能とは何か――専門家と世間の認識のズレ
- 人工知能はまだ完成していないが、できないはずはない
- 人工知能とは、データの中から特徴量を生成し現象を萌え出る化することのできるコンピュータ
- ロボット≠人工知能
- 人工知能は「目に見えないもの」
- 世の中で語られている人工知能
第2章 「推論」と「探索」の時代――第1次AIブーム
- 1950年代後半〜1960年台
- 複雑な現実の問題は解けないことが分かり、急速に冷めた
- 推論・探索の時代
- 人工知能という言葉が誕生
- 探索木
第3章 「知識」を入れると賢くなる――第2次AIブーム
- 1980年台
- 知識の時代
- 知識を取り込み、推論する
- オントロジー
- 知識を記述するときの仕様書
- ライトウェイト・オントロジー
- 完全に正しくなくても使えればいい
- ワトソン
- 質問を理解しているわけではなく、関連しそうな答えを高速に出している
- フレーム問題
- 関係ある知識だけを取り出す作業は難しい
- シンボルグラウンディング問題
- シンボル(記号)と、それを意味するものがが結びついていない
- 知識を入れることにより、コンピュータは賢くなり、産業的にも使えることが分かったが、知識を書くことの大変さからブームは終了
第4章 「機械学習」の静かな広がり――第3次AIブーム(1)
- 機械学習と特徴表現学習の時代
- 機械学習は分類を自動的に習得する
- 教師あり学習
- 入力と正しい出力の訓練データを用意し、コンピュータを学習させる
- 教師なし学習
- 入力データのみを与え、構造をつかむ
- 分類の方法
- 最近傍法
- 一番近い隣を使う
- ナイーブベイズ法
- ベイズの定理
- 決定木
- サポートベクターマシン
- ニューラルネットワーク
- 人間の脳神経回路をまねする
- 最近傍法
- 学習には時間がかかるが、予測は一瞬
- 特徴量に何を選ぶかで、予測精度が大きく変わる
- 特徴量は人間が決めないといけなかった
第5章 静寂を破る「ディープラーニング」――第3次AIブーム(2)
- 2012年トロント大学が開発したSuperVision登場
- それまで26%台だったエラー率が15%台
- ディープラーニング
- 特徴量をコンピュータ自ら獲得
- 多階層のニューラルネットワーク
- 自己符号化器で誤差逆伝播が下の方まで届かない問題を解決
- グーグルのネコ認識
- 1000万枚の画像を入力に利用
第6章 人工知能は人間を超えるか――ディープラーニングの先にあるもの
- 考えられる人工知能の発展
- 画像特徴の抽象化
- マルチモーダル(複数の間隔データの組み合わせ)な抽象化
- 行動と結果の抽象化
- 行動の計画がたてられる
- 行動を通じた特徴量を獲得
- 言語理解・自動翻訳ができる
- 知識獲得ができる -議論
- 本能
- 創造性
- 人間の征服