0a7f88c514
|
||
|---|---|---|
| .. | ||
| README.md | ||
| assignment.md | ||
README.md
Image by Dmitry Soshnikov
時が経つにつれ、コンピュータのリソースが安価になり、利用可能なデータが増加したことで、ニューラルネットワークのアプローチが人間と競争する多くの分野、例えばコンピュータビジョンや音声認識で優れた性能を示すようになりました。近年では、人工知能という言葉がほとんどニューラルネットワークの同義語として使われています。なぜなら、私たちが耳にするAIの成功のほとんどがニューラルネットワークに基づいているからです。
チェスをプレイするコンピュータプログラムの開発において、アプローチの変化を観察することができます：
- 初期のチェスプログラムは探索に基づいていました。プログラムは、次の数手で相手が可能性のある手を推定し、数手後に達成可能な最適な位置に基づいて最適な手を選択しました。このアプローチは、いわゆるアルファベータ剪定探索アルゴリズムの開発につながりました。
- 探索戦略は、可能な手の数が限られているゲーム終盤ではうまく機能します。しかし、ゲーム序盤では探索空間が非常に広く、既存の人間プレイヤーの試合から学ぶことでアルゴリズムを改善することができます。その後の実験では、いわゆるケースベース推論が採用され、プログラムはゲームの現在の位置に非常に似たケースを知識ベースから探しました。
- 現代の人間プレイヤーを凌駕するプログラムは、ニューラルネットワークと強化学習に基づいており、プログラムは自分自身と長時間プレイし、自分のミスから学ぶことでプレイ方法を学びます。これは、人間がチェスを学ぶ方法と非常に似ています。ただし、コンピュータプログラムははるかに多くのゲームを短時間でプレイできるため、より速く学習することができます。
✅ AIがプレイした他のゲームについて少し調べてみましょう。
同様に、「会話するプログラム」（チューリングテストを通過する可能性がある）の開発アプローチの変化も見ることができます：
- Elizaのような初期のプログラムは、非常に単純な文法規則と入力文を質問に再構成する方法に基づいていました。
- 現代のアシスタント、例えばCortana、Siri、Google Assistantは、音声をテキストに変換し意図を認識するためにニューラルネットワークを使用し、その後、必要なアクションを実行するために推論や明示的なアルゴリズムを使用するハイブリッドシステムです。
- 将来的には、完全なニューラルベースのモデルが対話を自動的に処理することが期待されます。最近のGPTやTuring-NLGファミリーのニューラルネットワークは、この分野で大きな成功を収めています。
画像提供: Dmitry Soshnikov, 写真 提供: Marina Abrosimova, Unsplash
最近のAI研究
ニューラルネットワーク研究の大きな成長は、2010年頃から始まりました。この時期、大規模な公開データセットが利用可能になったことがきっかけです。約1,400万枚の注釈付き画像を含む大規模な画像コレクションである ImageNet は、ImageNet Large Scale Visual Recognition Challenge の誕生を促しました。
画像提供: Dmitry Soshnikov
2012年に、畳み込みニューラルネットワーク (Convolutional Neural Networks) が初めて画像分類に使用され、分類エラー率が大幅に低下しました（約30%から16.4%へ）。2015年には、Microsoft ResearchのResNetアーキテクチャが人間レベルの精度を達成しました。
それ以降、ニューラルネットワークは多くのタスクで非常に成功を収めています。
| 年 | 人間と同等の精度を達成 |
|---|---|
| 2015 | 画像分類 |
| 2016 | 会話型音声認識 |
| 2018 | 自動機械翻訳（中国語から英語） |
| 2020 | 画像キャプション生成 |
ここ数年で、BERTやGPT-3のような大規模言語モデルの大きな成功を目の当たりにしてきました。これが可能になった主な理由は、一般的なテキストデータが豊富に存在し、それを活用してモデルがテキストの構造や意味を捉えることができるようになったからです。これにより、一般的なテキストコレクションでモデルを事前学習し、その後、特定のタスクに特化させることが可能になりました。このコースの後半で自然言語処理 (Natural Language Processing) についてさらに学びます。
🚀 チャレンジ
インターネットを調査して、AIが最も効果的に使用されていると思う分野を特定してください。それは地図アプリでしょうか、それとも音声認識サービスやビデオゲームでしょうか？そのシステムがどのように構築されたのかを調べてみましょう。
講義後のクイズ
復習と自主学習
このレッスン を読んで、AIと機械学習の歴史を復習してください。このレッスンやスケッチノートの中から1つの要素を選び、それをさらに深く調査して、その進化を支えた文化的背景を理解しましょう。
課題: ゲームジャム
免責事項:
この文書は、AI翻訳サービス Co-op Translator を使用して翻訳されています。正確性を期すよう努めておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があります。元の言語で記載された原文が正式な情報源と見なされるべきです。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の使用に起因する誤解や誤認について、当方は一切の責任を負いません。