AIの種類と例

人工知能（AI）はメインストリームになりました。私たちは、技術とその採用と利用において進化的な飛躍を経験しています。かつて専門技術者の専有領域であったAIは、今や学校の子供たちがレポートを書くのから、従業員がビジネスアプリケーションに使用するまで、誰もが利用しています。AIは、ほぼすべての技術の隅々で役割を果たすようになるでしょう。

AI技術の採用ペースと継続的な進化はさらに加速するでしょう。トレンドを追跡する際には、一般的に使用されるさまざまなAIの種類を理解することが役立ちます。

AIの異なる種類とは？

さまざまなアプローチをAIに組織する方法は常に進化しています。2024年には、人工知能を少なくとも7つの異なるタイプに分類できます：3つの能力ベースのタイプと、4つの機能ベースのタイプが、あいまいにマズローのニーズの階層に対応しています。最も単純なAI技術は、マズローのモデルの基本的な生存レベルに一致します。最も高度なAIレベルは自己認識があり、そのモデルの自己実現レベルに一致します。

AIの4つの機能型は：

1. 反応型機械
2. 制限付きメモリ
3. 心の理論
4. 自己認識

現在のAI技術の状態は、反応型機械の最初のタイプを超えて進化しています。3番目と4番目のタイプは現在理論上のみ存在しています。これらはAIの次の段階を表しています。

技術指向の専門家は、AIがどのように使用されるか、どのような能力があるか、そして人類の進歩にどのように貢献するかに応じて、さまざまなタイプのAIモデルを整理します。

能力に基づく3つのAIの種類は：

1. 人工狭義の知能
2. 人工一般知能
3. 人工超知能

機能ベースのAIの4つの主要なタイプ

機能ベースのAIがどのように組織されているかの概要を示します。

1. 反応機械AI

反応機械AIは基本的な操作を行い、最も単純なレベルの人工知能を表します。これらのタイプは、何らかの入力に対して何らかの出力で反応します。学習は発生しません。

反応機械AIは、AIシステムの最初の段階です。人間の顔を入力として受け取り、それを顔として識別するために顔の周りにボックスを出力する機械学習アルゴリズムは、単純な反応機械AIです。このモデルは入力を保存せず、学習を行いません。

静的機械学習モデルは反応機械です。これらのアーキテクチャは最も単純であり、ウェブ上のGitHubリポジトリで見つけることができます。これらのモデルは簡単にダウンロード、取引、渡され、開発者のツールキットにロードできます。

反応機械AIの例：

• IBM Deep Blue. 1997年にチェスチャンピオンのガルリ・カスパロフを打ち負かすために開発されたこのブルートフォースAIは、技術が複雑なタスクを処理する能力を示しました。メモリや学習能力はありませんでした。
• Google AlphaGo. この進化のブレークスルーは、ディープラーニングとニューラルネットワークを使用して、機械が直感と戦略的思考を利用して囲碁のゲームを習得する方法を学ぶ能力を与えます。
• Netflix推薦エンジン。 ゲームをプレイするという学術的な演習ではなく、このAIは実際のビジネスで実際の顧客にサービスを提供し、視聴を促進し、加入者の維持を促すプログラミングの推薦を行います。
• 交通管理システム。 これらのAIシステムは、リアルタイムデータと予測アルゴリズムを使用して交通の流れを管理し、混雑を緩和し、安全性を改善し、排出を削減します。
• ルールベースのゲームAI。 この技術は、プレイヤーのアクションに応じて学習し進化し、より挑戦的で楽しいゲームプレイ体験を作成します。

AIオプスを始めるのは簡単です。 人工知能を利用したエンタープライズオペレーションの複雑さを管理します。

2. 制限付きメモリAI

制限付きメモリAIは、以前のデータを保存し、そのデータを使用してより良い予測を行います。制限付きメモリAIでは、機械学習アーキテクチャが少し複雑になります。すべての機械学習モデルは制限付きメモリを必要としますが、モデルは反応型機械タイプとして展開できます。

この制限付きメモリタイプを達成する3つの主要な種類の機械学習モデルがあります：

• 強化学習。 これらのモデルは、試行錯誤を通じてより良い予測を行うことを学び、チェス、囲碁、DOTA2のようなゲームのプレイ方法を理解します。
• 長短期記憶（LSTM）。 LSTMモデルは、過去のデータを使用してシーケンス内の次の要素を予測し、アルゴリズム内で最近の情報を好みます。
• 進化的生成的敵対ネットワーク（E-GAN）。 E-GANモデルは、進化アルゴリズムを使用して、突然変異と選択のプロセスを通じて機械が選択肢を探ることを可能にする、常に改善される学習プロセスを作成します。

制限付きメモリAIの例：

• 自動運転車。 このAIは、道路をナビゲートし、標識や信号を解釈し、障害物を避けるために、センサー、カメラ、データに接続するアルゴリズムを使用します。
• カスタマーサービスチャットボット。 これらのモデルは自然言語処理と機械学習を使用して顧客のリクエストを理解し、リアルタイムで応答して顧客サービスを向上させます。
• スマートホームデバイス。 このAIは、温度調節器、照明、給湯器、ウィンドウトリートメント、およびセキュリティシステムなどの家庭システムを制御し、パーソナライズされた居住空間のために最適化および自動化します。
• 産業用ロボット。 AIは、組立、品質検査、材料処理、パッケージングなどで働くロボットを駆動できます。これにより、生産性と安全性が向上し、速度と精度が増します。

実践における制限付きメモリAIの種類

すべての機械学習モデルは制限付きメモリを使用して作成されますが、展開時には常にそのようにはなりません。

制限付きメモリAIは2つの方法で機能します：

• チームが新しいデータでモデルを継続的にトレーニングします。
• AI環境が、モデルの使用と動作に基づいてモデルが自動的にトレーニングされ更新されるように構築されています。

機械学習インフラストラクチャが制限付きメモリAIタイプを維持するためには、インフラストラクチャの構造に機械学習を組み込む必要があります。

アクティブラーニングは、機械学習ライフサイクルにおいてますます一般的になっています。機械学習のアクティブラーニングサイクルには6つのステップがあります：

1. トレーニングデータ。 機械学習モデルはトレーニング用のデータを持っている必要があります。
2. モデル構築。 モデルが作成されます。
3. モデル予測。 モデルが予測を行います。
4. フィードバック。 モデルは、人間または環境の刺激から予測に対するフィードバックを受け取ります。
5. フィードバックがデータになる。 フィードバックはデータリポジトリに提出されます。
6. 繰り返す。 このサイクルを継続して反復します。

3. 心の理論AI

技術は現在、心の理論AIタイプの進化を始めています。このタイプのAIは、人間の思考や感情と対話を始めます。

現在のモデルはAIとの一方向の関係を持っています。ユーザーがAlexaやSiriのようなシステムにコマンドを発行し、彼らが応答します。彼らは感情に応答せず、Googleマップに別の方向に行くように怒鳴っても、感情的なサポートを提供せず、落ち着かせる保証を提供したり、誰かに遅れることを知らせたりすることはありません。代わりに、以前に表示された同じ交通報告やETAを返し続け、あなたの苦痛には関心を持ちません。

ChatGPTは、心の理論AIに近づいています。あなたが助けに感謝すると、それはその褒め言葉を喜んで受け入れ、さらに助ける意欲を示します。あなたがどれだけイライラしているかを伝えることもでき、共感するように見えます。

この問題に取り組む研究分野には、人工感情知能や意思決定の理論に関する開発が含まれます。マイケル・ジョーダンは、2020年5月13日のイベントで彼の意思決定研究を発表し、マイケル・ジョーダンとアイオン・ストイカとのMLとAIの未来についてのさらなるカバレッジが、ICLR 2020カンファレンスで発表されました。

近い将来、AIは自己認識を持つようになります。この種のAIは、概念としてのみ存在し、サイエンスフィクションの物語にも登場します。

可能性は膨大です。同時に、この進化の結果を恐れる理由もあります。自己認識を持つAIが人類の価値観から独立して敵対的になる可能性があり、人々は創造された存在との条件を交渉しなければならないでしょう。

能力ベースのAIの3つの種類

1. 人工狭義のAI（ANI）

これらのモデルは非常に特定のタスクに焦点を当てるように設計されており、学習する能力はありません。

2. 人工一般AI（AGI）

一般知能モデルは、基本的な人間の思考を学び、模倣することができます。

3. 人工超AI（ASI）

この理論モデルは、人間がデータと知識の膨大な量を使用し合成する能力を超えることを目指しています。

他のAIモデルの種類はありますか？

AI技術の急速な進化は、AIモデルの種類に対する追加の名前や分類の普及を自然に引き起こします。例を挙げると：

• 生成AI。 生成とは、このAIが新しいコンテンツを作成することを意味し、それはテキスト、画像、音楽、さらには新しい仮想世界である可能性があります。現在、さまざまな生成AIが利用可能です。
• ディープラーニング。 この技術は、ニューラルネットワークの層を使用して人間の心の働きを模倣し、複雑なパターンを抽出し、画像を認識し、自然言語を処理し、自律運転を扱います。
• 自然言語処理（NLP）。 このタイプのAIは人間の言語を理解し解釈し、テキストの翻訳、感情や意味の追跡、機械と人間のコミュニケーションを自然に感じさせる会話インターフェースを作成する上で非常に重要です。
• 弱いAIと強いAI。 弱いAIモデルは、特定のタスクのために設計された限られた基本技術であり、強いAIモデルは学習し、知識を適用する能力を持つ人間のような思考に向かっています。
• マルチモーダルAI。 これらのモデルは、さまざまなソースからの複数の形式のデータを取得、統合、処理し、複雑な状況を理解し、タスクを実行するために、画像にキャプションを付けたり、ビデオを分析したり、メディア全体を検索したりします。
• 大規模言語モデル（LLMs）。 ディープラーニングと自然言語処理を使用して、これらのAIモデルはテキストや音声を要約し、質問を理解して答え、翻訳を行います。彼らは仕事に文化的および文脈的な認識をもたらし、精度を高めます。

AIモデルの未来

AIモデルをどのように定義し分類しても、技術はここにとどまるでしょう。AIは、医療、金融、教育など、ほぼすべての産業において人間の創造性と能力を変革する可能性を秘めています。

プラス面は明らかですが、AI技術は、プライバシー、バイアス、政府規制、安全性など、社会全体に影響を与える倫理的な問題や懸念を生み出します。人々が仕事を失うことを恐れる一方で、AIは新しい種類の仕事も生み出します。

正しいケアと管理があれば、AIは人類が複雑なグローバルな課題に取り組み、数百万の生活を改善するのに役立つことができます。

関連する読み物

• BMC機械学習＆ビッグデータブログ
• 人工人工知能：それは何ですか？
• AIaaSとは何ですか？サービスとしてのAIの説明
• マインドフルAI
• 初心者のためのトップ5機械学習アルゴリズム
• 機械学習の5つの部族

これらの投稿は私自身の見解であり、必ずしもBMCの立場、戦略、または意見を代表するものではありません。