AIがあればなんでもできるような風潮が飛び交っているように思いますが、
本当にAIは万能なんでしょうか。
僕はAI反対派ではなく、むしろ進化に期待しています。
少なくとも現状は、過度な期待を抱いたりただのプログラムをAIと言い張ったりすることに疑問があるわけです。
Wikiによりますと、AIの定義は以下のようです。
『人工知能（AI：artificial intelligence）については、明確な定義は存在しないが、
「大量の知識データに対して、 高度な推論を的確に行うことを目指したもの」
（一般社団法人人工知能学会設立趣意書からの抜粋）とされ ている。』
明確な定義はないようで、ただIF分岐させまくったプログラムをAIと呼ばれていることもあるのではないでしょうか。
例えばファミコンドラクエのオート学習行動も、
定義が曖昧な以上AIの範疇じゃないかと個人的に思います。
さて、AIを使う目的は最適なアウトプットがほしいからだと思います。
最適なアウトプットを得るために学習を行い、誤差を最小化させたいわけです。
AI何でもできる説に疑問を抱くのは、モデルもそうなのですが、
学習方法を見ればわかってくれるかと思います。
学習方法：教師あり、教師なし、強化学習
他にもあると思いますがこんな感じです。
教師あり
正解ありきの学習方法で、大量の画像データを読み込ませ特徴を学習。
ある犬の画像を読み込ませ、犬と判定 → 正解 → 犬の特徴データが溜まっていく
ある犬の画像を読み込ませ、猫と判定 → 不正解 → 犬ではない特徴データが溜まっていく
といったことを延々繰り返すような感じです。
GoogleやIBMのような膨大なデータを保持している企業以外、
正解率を高くするのは難しいように思えます。
また、8月第一週の金曜の正解データを100件集めるなら最低100年かかります。
多数の施設を抱えているなら別ですが、精度を考えると常識の範疇では難しそうです。
教師なし
ペアと成る正解がないバージョンです。
正解がないので、機械が自分で分類しデータの構造や分布をモデル化するようです。
逆に言えば、正解がないと分類くらいしか現状対応できないのではと思います。
強化学習
とりあえずやってみて、成功や失敗から徐々に最適化させていく方法です。
AlphaGo、マリオのタイムアタック動画などがこれに当たり、イメージに一番近いと思われます。
”良いタイム”という報酬から最適化させていくんですね。
報酬という明確な目標がある以上、教師ありに近いかもしれません。
大量の”正解”の代わりに大量の”施行”で学習していきます。
まとめ
AIへの過剰な危機感や過度な期待について、
簡単ですが学習方法から考えてみました。
・ある程度正解がある
・正解は人が見つける必要がある
・人ではできない短時間で膨大な処理をこなす
・プログラムは人が作る
他にもいろいろと研究されてはいるでしょうが、
現状SFのような万能AIはまだまだじゃないかと思っています。
特に2番め”正解は人が見つける必要がある”。
ここがクリアされないと、AIさえ導入すれば万事解決！みたいなことにはならないと思います。
