人工知能（AI）は、人間が行う場合に知能を必要とすると理解されるタスク、例えば環境の知覚、言語の理解、問題解決、意思決定などを実行する機械やソフトウェアを構築することに関わるコンピュータ科学の一分野である。この分野は、人間の専門知識を直接コード化するルールベースシステムから、データから行動を学習する統計モデルまで、幅広いアプローチを網羅している。
この用語は1956年のワークショップのために作られ、以来、さまざまな技術を指すようになり、誇大広告と失望のサイクルを通じて、世間の注目の拡大と縮小を繰り返してきた。
歴史
この分野の創設の瞬間は、通常、John McCarthyが主催した1956年のDartmouth workshopに遡る。彼は提案書で「人工知能」という用語を作り出した。初期のAI研究はSymbolic AI、すなわち論理、探索、手書きのルールを重視した。このアプローチは、定理証明器や、後に1980年代の商用エキスパートシステムなどの初期の成功を生み出したが、視覚や言語など、明示的なルールに抵抗するタスクでは苦戦した。資金提供の崩壊は、挫折や過大な期待に続いて起こり、研究者がAI winterと呼ぶものを生み出した。特に、1973年の英国政府の批判的な報告書の後と、エキスパートシステムが拡張に失敗した1980年代後半に顕著であった。
並行して、当初は周辺的な研究分野として、統計的およびコネクショニスト的手法が追求された。Perceptron（1958年）は単一の訓練可能なニューロンをモデル化したが、その文書化された限界が最初のAI冬に貢献した。関心は1980年代を通じて、そして決定的には2012年に復活した。その年、AlexNetと呼ばれる深層畳み込みネットワークが、主要な画像認識ベンチマークで従来の手法を劇的に上回る性能を示し、この結果は現代のDeep learning時代の始まりと広く見なされている。ニューラルネットワークを高速化するためのグラフィックス処理ユニット（GPU）の使用は、このブレークスルーの重要な要因であった。
深層学習は2010年代を通じて成熟し、視覚、音声、言語処理の進歩が見られた。2017年のTransformer (architecture)アーキテクチャにより、テキスト上でより大規模なモデルの訓練が可能になり、Large language modelパラダイムへと至った。2022年11月のLaunch of ChatGPTは、対話型AIを広く利用可能にし、しばしばAIブームと呼ばれる投資と世間の注目の波を引き起こした。
アプローチ
AI研究は、知識の明示的な表現を操作する記号的アプローチと、データから暗黙的な表現を学習するコネクショニストまたは統計的アプローチに分けられることが多い。Machine learningは現代の支配的なパラダイムであり、教師あり学習、教師なし学習、強化学習を包含する。学習されたコンポーネントと記号的推論や探索を組み合わせたハイブリッドアプローチは、特に信頼性の高い論理的推論を必要とするタスクにおいて、依然として活発な研究分野である。
AI研究の伝統的な目標には、学習、推論、知識表現、計画、自然言語処理、知覚、そしてRoboticsの支援が含まれる。技術には、状態空間探索、数学的最適化、形式論理、人工ニューラルネットワーク、そして統計学、オペレーションズリサーチ、経済学からの手法が含まれる。AIはまた、心理学、言語学、哲学、神経科学からも引き出している。
応用と影響
AIシステムは、検索、翻訳、推薦、医療診断、タンパク質構造予測などの科学研究、自動運転車、そしてますます汎用アシスタントやコーディングツールとして展開されている。2024年以降の能力の高いAI agentシステムの台頭は、言語モデルとツール使用および多段階計画を組み合わせ、AIを質問への回答からタスクの独立した完了へと拡張した。
注目すべき応用には、高度なウェブ検索エンジン、チャットボット、仮想アシスタント、自動運転車、戦略ゲーム（チェスや囲碁など）でのプレイと分析、そしてコンテンツ生成（テキスト、画像、音声、動画など）が含まれる。
議論
長年にわたる議論は、現在の技術がArtificial general intelligence、すなわち本質的にすべての認知タスクで人間レベルの能力を持つシステムにつながるかどうか、そしてそのようなシステムがどのようなリスクをもたらす可能性があるかに関係している。アラン・チューリングの1950年の論文は、機械知能のための操作的テストを提案した。現在はTuring testとして知られているが、そのベンチマークとしての妥当性は広く論争されている。批評家は、流暢なテキスト生成が理解を意味するわけではないと主張し、支持者は創発的な能力を一般的知能への真の進歩の証拠として指摘する。
OpenAI、Google DeepMind、Meta (AI research)などの一部の企業は、AGIの創設を目指している。倫理的懸念、AIの長期的影響、環境への影響、そして潜在的な実存的リスクは、AI規制に関する議論を促してきた。
最近の動向
2024年には、中間の思考連鎖を生成するように訓練された大規模言語モデルの一種である推論モデルが登場し、数学やコーディングにおける複雑な問題での性能向上を可能にした。これらのモデルは、記号的推論システムとは異なり、誤った出力や「幻覚」を生成する可能性がある。2020年代のAIブームは、Generative AIの進歩と同時期に起こり、メディアの作成と修正を可能にして広く普及した。AIの安全性とAI使用による意図しない結果や害に加えて、倫理的懸念、AIの長期的影響、環境への影響、そして潜在的な実存的リスクが、AI規制に関する議論を促してきた。