Webディレクターtsushan’s blog

都内で大手アパレルのWebディレクターとして勤めているTsushanです。興味関心がある分野のアウトプットを増やすためブログを書いています。 当分はAIについて書いていきます。

【人工知能】AI 4つのレベルとその事例

2018/05/26記事更新

旧正月を中華街で過ごしたTsushanです。最近、中国が恋しいです。

 

前回のブログでは、AIの歴史について紹介した。

【人工知能】AIの歴史:AIの三大ブーム - Webディレクターtsushan’s blog

 

AIは主に3つのブームと冬の時代を経て、今に至っている。*1

ブーム1:探索・推論(1950年代後半〜1960年代)

ブーム2:エキスパートシステム(1980年代〜1990年ごろ)

ブーム3:機械学習ディープラーニング(2010年〜現在)

 

ただ、いま身の回りのすべてのAI関連の製品やサービスが機械学習ディープラーニングのレベルのものかというと、決してそんなことはない。実際は、上記の3つブームの技術内容がさまざまな場面で使われているのが現状である。

 

そこで今日は、AIの4つのレベルとその事例について紹介する。

この記事について書こうとした理由は、意外と本にもネットにもAIのレベル別事例集がないんだなと、不便に感じたからである。

(この記事で述べられるものは、松尾 豊 氏著:人工知能は人間を超えるか、を参考に、筆者自ら調べた内容である。そのため、一部筆者の推測が含まれている。ぜひそれを念頭に読んでほしい)

 

 

人工知能のレベル分けと事例

人工知能のレベル分けと事例

※画像の無断使用は禁止。引用される際は必ず、ソースを貼り付けください。

 

 

AIは現在4つのレベルに別れている、これはAIの歴史の分類とほぼ同じである。またここでは、厳密ではただの制御工学のものをレベル0に分類している。

 

レベル0:制御工学の応用

特徴:

マーケティング的に、「人工知能」「AI」名乗っているものであり、ごく単純な制御プログラムを搭載しているだけの家電製品に「人工知能搭載」などとうたっているもの。

人工知能は人間を超えるか」より引用

例)

・気温の変化や省エネのレベルに応じて自動で温度・湿度を調整するエアコン。
・中に入っている食材に合わせて最適な温度調節をする冷蔵庫。

これらは制御工学、システム工学の発展であり、人工知能ではない。

 

ではどこまでの機能が備えられると単純な制御プログラムではないと言えるのか。

 

文系出身の自分はこの問題に多くの時間を取られた。。。

正直、機械学習ディープラーニングを学んでいく上では、ここの分類ができなくてもなにも困ることはないと思うが、とても気になったので調べてみた。

※調べた詳細内容についてはまた別記事で。

 

その結果、以下の持論を持つようになった。

AI家電であるもの

・何かしらの認知センサーと特有のアルゴリズムを持ち、かつ自動で機能調整できるもの。(ここのAI家電は基本後述するAIレベル1に相当する)

AI家電ではないもの

・単一機能しかなく、家電本体で自動機能調整、制御ができないもの。

・単一機能にインターネットに繋いたり、スマートフォンに情報送受信できる機能を加えたもの。(これは、IoT家電に分類されるのが正しい)

 

この分類の仕方に正直自信はあんまりないので、私のこの記事を見て、こうやって分類したほうがわかりやすいよ!!って方がいたら、ぜひコメントください!

 

ではレベル1の特徴と事例を見ていきましょう。

 

レベル1:推論・探索

特徴:簡単なIF分岐をして、物事を判断ができるもの

例)

ハノイの塔・迷路など簡単なパターンゲームが解けるプログラム

・チェス・将棋の対戦プログラム 機械学習ディープラーニングができないもの

・ChatBot ※言わいるBotもここに分類される

・ルンバ980などのロボット掃除機 *2 など

 

調べて結構びっくりしたのが、最近の話題のチャットボットの技術は、AIの第一次ブームの1970年代前後でもうすでにできていたこと。今のチャットボットって、その技術をうまく見せているだけなんだなと。

 

レベル2:知識の応用

特徴: エキスパートシステムと呼ばれているもの。同じIF分岐でも、レベル1の探索よりパターンが複雑で多い。

例)

・Dendral 世界初のエキスパートシステム*3

・医、薬学知識などを大量に読み込み、症状から病名を判定したMYCINシステム*4

・クイズ番組で優勝したワトソン

・思いついた人物を当てるアプリ「アキネーター」 *5 など

 

アキネーターってが流行ったのは多分2012年ぐらいで、あのときの自分はまだ学生で、ただただすげーとしか思わなかったが、 そこで使われているものははきちんとしたAI技術なんだなと驚き。あと、最先端技術のイメージのワトソンは、機能別でみていくと実はすべて最先端技術がというとそうでもないみたい。これも、結構へ〜ってなった。

 

レベル3:機械学習

特徴:ビックデータをもとに自動的に判断したりする人工知能機械学習アルゴリズムが利用されていることが多い。

※情報ソースについてはこれから更に更新をかけていきます。

例)

スパムメール検知機械学習の古典)*6

・クレジットカード不正検知機械学習の古典)*7

・商品レコメンデーション*8

・サイト内の検索機能エンジン(その中のレコメンド機能も該当する)*9

・手書きの数字認識*10

・顔検出(※特定の顔を検出というよりかは、顔であることを認識する)*11

・株式取引*12

・形状検出*13

Google検索エンジン(RankBrain)2015年 *14 など

 

馴染みのある、スパムメールにフィルターをかけたりするのも、実は機械学習を使っているのは1番驚いた。あと、Google検索エンジンは、もうてっきりディープラーニングやってんだろって思ってた(妄想)けど、ここはまだ機械学習のレベルなんだと逆に新しい発見をした。

 

レベル4:ディープラーニング

特徴:人間が勉強サンプルや概念を与える必要がなく、自ら特徴量と呼ばれるものを学習できるもの。

例)

・ILSVRC トロント大学チーム優勝 2012年 初のディープラーニング成功事例 *15

Google ディープラーニングで猫の認識 2012年 *16

・AlphaGo 2016年 *17

 

以下はまだちゃんとしたソースで調べきれていないが、こんなこともできるみたいです。一部抜粋 *18

・一般画像認識 人間並み、時には人間よりも正確に素早く画像を識別

・顔から感情を推定

・顔から年齢

・性別を推定 

・白黒→カラー変換

・ニューラル翻訳

・説明文から写真を生成

・教師なし学習  など

 

正直まだパッとしないな〜って印象。でもそう思うのも、単純に自分がまだこの機械学習ディープラーニングの分野についての知識が疎いのだからだと思う。

もっと勉強していきます〜〜。

 

 

ここまでが、AIのレベルとその事例についてでした。

いかがだったでしょうか??

もの足りなかった人、この記事もどんどん確かなソースと情報をつけて更新かけていくので、ぜひまた見に来てください!

 

また今後AIの事例について世の中で多くなっていくと予想されるが、その事例を見ながらしっかりこの事例はこのレベル技術の応用かな?という想像をしていくと、事例認識に対する精度が高くなっていくと思うので、ぜひみなさんも意識しながらやってみてください! 

 

では、今日はここまで!!

 

追記:2018/03/19

多分提案を書く際に思いつくものに関しては、殆どのものがレベル3「機械学習」の部分に当たるものかと思われる。だから、あとは、機械学習はどこまでできるの?自社のサービスとどれぐらい相性がいいの?というのを確認したほうがいい。もしかしたら、自社で利用しているサービスがすでに機械学習している、っていうこともありえたりするので、そこの注意は必要かも。※実際に自分が提案書を書いてみた経験論。

 

AIが活躍する分野についても、内容を更新しました。2018/03/25

ぜひそちらの事例もあわせて確認ください。

 

tsushan.hatenadiary.jp

 

tsushan.hatenadiary.jp

 

tsushan.hatenadiary.jp

*1:総務省|平成28年版 情報通信白書|人工知能(AI)研究の歴史

*2:お掃除ロボットの人工知能とアルゴリズム | ロボット掃除機比較ガイド

*3:Dendral - Dendralの概要 - Weblio辞書

*4:MYCINとは - Weblio辞書

*5:研究開発:Akinator アキネータの仕組み - livedoor Blog(ブログ)

*6:http://www.kochi-tech.ac.jp/library/ron/2012/2012info/1130378.pdf

*7:「カード不正利用」の検知精度、深層学習で劇的向上 :日本経済新聞

*8:レコメンドに浸透していくDeep Learning: 大手サービスの実用例から最新アルゴリズムを概観する - DeepAge

*9:goo Search Solution - ECサイト内検索・商品検索サービス |

*10:手書き数字を98%認識、正解未知データを学習するAI

*11:https://news.mynavi.jp/article/cv_future-14/

*12:https://kaigi.org/jsai/webprogram/2017/pdf/1112.pdf

*13:http://www.riken.jp/brict/Yoshizawa/Lectures/Lec22.pdf

*14:いま、人工知能は「Google検索」を大きく変えようとしている|WIRED.jp

*15:【連載第1回】ニューラルネットの歩んだ道、ディープラーニングの登場で全てが変わった - 日経BigData

*16:Google、大規模人工ニューロンネットワークを用いた研究成果を紹介 | 日経 xTECH(クロステック)

*17:AlphaGo の論文をざっくり紹介 - technocrat

*18:2016年11月現在のAIにできることとできないこと - WirelessWire News(ワイヤレスワイヤーニュース)