人工知能における「ディープラーニング」とは何か。わかりやすく説明する。

最近は人工知能界隈がざわざわしています。というのも、各界の大物たち、例えば物理学者のスティーブン・ホーキング博士や、電気自動車メーカー、テスラ・モーターズの総帥、イーロン・マスクなどが人工知能の開発に対して警鐘を鳴らしているからです。

「人工知能なら、昔からあったじゃない」という方もいると思いますが、最近になって人工知能に警鐘を鳴らす人が急増した理由は、「ディープラーニング」の技術が開発されたからといってよいでしょう。

その「ディープラーニング」ですが、一体どんな技術なのでしょう。なぜ皆が、「人工知能は危険」と言っているのでしょう。

今回は、それについてカンタンに解説してみたいと思います。

ディープラーニングとは

まずは混同しやすい機械学習との違いから。
前提として、AIの学習のための技術には大きく分けて2種類の技術があります。そもそもディープラーニングとは機械学習をさらに発展させたものであり、ディープラーニングと従来の機械学習との大きな違いは情報やデータを分析する際に使う枠組みが異なっていることであるといわれています。

ディープラーニングでは、人間の神経を真似て作った「ニューラルネットワーク」でコンピューターによるデータの分析と学習を強力なものに仕立てあげています。
つまり、機械学習が「プログラムされた学びを重ねる」のに対し、ディープラーニングは「たくさんのデータからどこに注目すれば良いかを自分で学習し、人間からの指示を待たずに自動でどんどん賢くなっていく」のです。

「ディープラーニング」という技術が発見されるまで、実は「人工知能」は、大したことはできませんでした。人工知能といえば、せいぜいチェスや将棋で強いだけ、というイメージで、現実的な問題は何一つ解けない、そんなイメージでした。

コンピュータが解けるのはせいぜい、「トイ・プロブレム」、すなわち、「あるルールの中での最適解を見つける」「決まった制約の中で、素早く問題を解く」といった、まさに「高度な計算機」に過ぎませんでした。

つまり、「ディープラーニング」以前の人工知能は、「問題を解くアルゴリズム」を人間が与える必要があったのです。

画像認識ソフトの例を挙げましょう。

ディープラーニング以前のコンピュータは、顔の判別が非常に苦手でした。なぜなら、人間が「人間の顔の特徴」「動物の顔の特徴」などの特徴データを創りださなければならなかったからです。

一旦特徴を教えられたコンピュータは、その処理を行い、応用も利かせることができるようになります。「人間ぽい」や、「馬のようだ」もわかります。これはこれで十分すごいのですが、これはディープラーニング以前のコンピュータです。

ところが、ディープラーニング後のコンピュータは全くちがいます。適当に選んだ写真や画像を読ませると、勝手に「A」「B」「C」などの分類を写真を見た特徴を割り出して行うのです。人間が教える必要はありません。

人間は後から、Aは人間、Bは馬、Cはネコと名前を教えてあげるだけでいいのです。

ディープラーニング後のコンピュータは「特徴量」と呼ばれる問題の解を導くためのアルゴリズムを、自動的に生成するのです。

これは、以前の人工知能からの大きな飛躍です。なにせ、人間が先に教えるのではなく、人間は後から教えればいいのです。

これは、人間が気づいていない法則や特徴を大量のデータを読み込ませることにより、「勝手に発見してくれる」という、人間を超える知能を生み出す可能性を示唆しています。

人工知能の発明が人類最後の、最悪の発明になるかどうかはまだわかりません。が、取り扱いに注意を要するのは他の科学技術と同様であることは間違いないようです。