Wikipedia AI記事作成とは、2001年に英語版Wikipediaで公開された、人工知能に関する最初の百科事典記事を指す。「人工知能」と題されたこの記事は、この分野の包括的な概要を提供し、AIを、学習、推論、問題解決、知覚、意思決定など、通常人間の知能と関連付けられるタスクを実行する計算システムの能力と定義した。また、AIを、機械が環境を知覚し、学習と知能を用いて、定義された目標を達成する可能性を最大化する行動を取ることを可能にする方法とソフトウェアを開発する、工学、数学、コンピュータ科学における研究分野として説明した。
この記事は、AI研究の伝統的な目標として、学習、推論、知識表現、計画、自然言語処理、知覚、そしてロボット工学の支援を含むことを概説した。また、AI研究者が、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、経済学に基づく方法などの技術を用いることを指摘した。さらに、AIが心理学、言語学、哲学、神経科学、その他の分野から引き出した学際的な性質も認めた。
歴史的背景
この記事は、AIの起源を1956年に学術分野として設立されたことに遡った。また、楽観主義のサイクルと、それに続く失望と資金喪失の期間（AI冬として知られる）という分野の歴史を説明した。記事は、2012年以降、グラフィックス処理ユニット（GPU）がニューラルネットワークの高速化に使われ始め、深層学習が以前のAI技術を上回る成果を上げた後、資金と関心が大幅に増加したと指摘した。この成長は、2017年にトランスフォーマーアーキテクチャが導入された後、さらに加速した。2020年代には、生成AIの進歩と相まってAIブームが起こり、それが広く普及し、メディアの作成と修正を可能にした。
この記事はまた、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、自動運転車両、チェスや囲碁などの戦略ゲームにおけるプレイと分析、そして画像、音声、動画のコンテンツ生成など、AIの注目度の高い応用についても議論した。また、OpenAI、Google DeepMind、Metaなどの一部の企業が、人間と同等以上の認知タスクをほぼすべて完了できるAIである汎用人工知能（AGI）の創造を目指していることにも言及した。
AI研究の目標
この記事は、知能をシミュレートするという一般的な問題を、研究者が知能システムが示すと期待する特定の特性や能力をそれぞれ表すサブ問題に分解した。これには、推論と問題解決、知識表現、計画と意思決定、学習、自然言語処理、知覚、そしてロボット工学の支援が含まれた。
推論と問題解決
初期の研究者は、人間がパズルを解いたり論理的演繹を行ったりする際に使用する段階的推論を模倣するアルゴリズムを開発した。1980年代後半から1990年代にかけて、確率と経済学の概念を用いて、不確実または不完全な情報を扱う方法が開発された。しかし、これらのアルゴリズムの多くは、「組み合わせ爆発」により、問題が大きくなるにつれて指数関数的に遅くなるため、大規模な推論問題には不十分であった。記事は、人間でさえ段階的演繹をほとんど使用せず、代わりに高速で直感的な判断に依存していると指摘した。また、中間チェーン・オブ・ソート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2024年に登場し、数学やコーディングの複雑な問題でのパフォーマンス向上を可能にしたが、誤った出力や「幻覚」を生成する可能性があることも言及した。
知識表現
AIプログラムは、知識を使用してインテリジェントに質問に答え、現実世界の事実について推論を行う。記事は、形式知識表現と知識工学が、記号を使用して世界の単語、概念、物事を表現することを説明した。知識ベースは、プログラムが使用できる形式で表現された知識の集合であり、オントロジーは、特定のドメインで使用されるオブジェクト、関係、概念、プロパティのセットである。形式知識は1970年代から広く研究されてきたが、記号的アプローチは、常識知識の広さ、ほとんどの常識知識のサブシンボリック形式、知識獲得などの課題に直面している。記事は、機械学習、特に大規模言語モデルを用いた場合、明示的な記号的知識を必要とせず、代わりに膨大なテキストコーパスでのトレーニングから知識を獲得し、これらの問題の一部を解決するが、正確な想起と有効な推論には苦労すると指摘した。
計画と意思決定
この記事は、「エージェント」を、世界を知覚し行動を起こすあらゆる実体として説明した。合理的エージェントは目標または好みを持ち、それらを達成するための行動を取る。自動計画では、エージェントは特定の目標を持ち、自動意思決定では、好みを持ち、各状況に効用値を割り当てる。可能な各行動について、結果の確率で重み付けされた期待効用を計算し、最大の期待効用を持つ行動を選択する。古典的計画では、エージェントは行動の正確な影響を知っているが、現実世界の問題では不確実性に直面し、確率的な推測を行い再評価する必要がある場合がある。記事は、特に決定が依存される場合、信頼を構築するために決定の説明の重要性を強調した。また、好みが不確実な場合があり、エージェントは逆強化学習などの方法を使用してそれらを学習したり、情報を求めて改善したりできること、情報価値理論が探索的行動の価値を評価することを言及した。
技術と方法
これらの目標を達成するために、AI研究者はさまざまな技術を使用する。記事は、状態空間探索と数学的最適化、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、経済学に基づく方法を強調した。2012年以降、ニューラルネットワークを高速化するためのGPUの使用が極めて重要であり、2017年に導入されたトランスフォーマーアーキテクチャが進歩をさらに加速させたと指摘した。また、現代のAIは、AlphaZeroが自分自身と対戦してゲーム戦略を学習するように、実験を実行することでドメインについて学習できることにも言及した。
倫理的および規制上の考慮事項
この記事は、AI使用から生じる倫理的懸念と潜在的な害に対処し、AI安全性、意図しない結果、長期的影響、環境影響、そして潜在的な実存的リスクを含めた。これらの懸念がAI規制の議論を促したと指摘した。また、2020年代におけるAIの広範な採用が、バイアス、プライバシー、説明責任の問題を含む、その社会的影響に関する議論につながったことにも言及した。
遺産と影響
初期の百科事典エントリとして、この記事はAIの範囲と課題を理解するための基礎的な参照を提供した。これは、生成AIや深層学習の出現など、分野の進歩を反映するためにWikipediaコミュニティによって継続的に更新されてきた。この記事の構造は、目標、技術、歴史をカバーしており、Wikipedia上のその後のAI関連記事に影響を与え、学生、研究者、一般市民のためのリソースとして機能してきた。その中立的で事実に基づくトーンはWikipediaの基準と一致しており、その内容はニューラルネットワーク、大規模言語モデル、強化学習などの最近の開発を含むように進化してきた（ただし、後者は2001年の元のテキストには明示的に含まれていない）。この記事は、人工知能の概要を求める読者にとって重要な入り口であり続けている。