AI・人工知能っていろいろ言うけど何から学べばいいの？

AI Firstの世界へ

昨今、どこのセミナーに行っても、AI・人工知能というワードが溢れてますね。



数ヶ月前のGoogle I/Oにおいても出て来るキーワードはMobile FirstからAI first approachへと移り変わっていると言うことです。





GoogleはDeepmind社を５億ドルで買収し、Deep leaningをGoogle翻訳や画像認証、自社のサーバーの温度調整に活用して成果を出しています。


将棋や囲碁の世界でも人工知能が人間のプロを負かしたという未来のような話ももう過去の話となっています。


映画や漫画の世界はそこまで来ているどころかすでに現実のものとなって知らず知らずのうちに我々の生活に溶け込んでいるようです。

そのうち日常に人工知能、AIが当然になる。

さすがにITの仕事をしながらこの技術や概念に野暮であっては将来はないなと危機感を持ちはじめました。




将来１０年くらい年下の後輩から、

若手「先輩、Deep learning使わないで、いまだにExcelの関数とか使ってるんスカ笑」

みたいにバカにされる日も来るかもしれません。



そんな危機感をもとに、人工知能、AIなどについて学びを始めようと思います。
手始めにプログラミングなど久しぶりにやってみようと思いましたが友人からおすすめされた書籍を読むことにしました。

それがこちら。

「人工知能はどのようにして「名人」を超えたのか？」

レバレッジメモ

・著者、山本氏は人工知能将棋ポナンザを研究開発して名人を破った。

・当人もアマチュアで日本上位に入るほどの実力者

・チェスは数十年前にIBMのプログラムが勝ったが、囲碁と将棋についてはそこから長い月日が必要になった。

・コンピュータの知的な行動は「探索」と「評価」
・怠惰な並列化「マルチコアが適度に良い情報を共有し合う方法」
・ディープラーニング⇔ニューラルネットワーク
・すべての情報を丸暗記すると過学習となる。適度にドロップアウトさせる

・Inputは「言葉」「音声」「画像」

・人間は指数的な成長を直感的に理解できない
　ー人間は少しずつ鍛錬を積むのに対し、AIは倍加速的に強くなる。

・強化学習→フィードバックを繰り返す

・人工知能の開発においては、必ず大量のデータが必要となる。最初は「教師あり学習」。その後は「強化学習」となる。

・Googleのアルファ碁はどのようにしてプロを超えたか
　ーDeep mindが得意なのは画像認証。棋譜を画像として学習。モンテカルロ法


・知性とは目標を設計できる能力、知能とは探索と評価で目的を探すことのできる能力


・AIが知性を持ったら？→絶対に人間に勝つという目標を設定→相手が消滅すれば勝てる→人間の根絶、という世界


・「シンギュラリティ（技術的特異点）」→2045年（その後、2029年と予測）


・ターミネータの世界もAIが非人道的な学習をするのも全ては人次第。

Next Action

一旦、この一冊を読み込んでAIの生い立ちと、どのようにして人工知能が発達したのかがなんとなく肌感覚で理解したように思えます。

次はもう一冊、同様の書籍を読みつつ、実際にプログラミングを進めていきたいと思います。