人工知能とその技術

1K Views

May 08, 22

スライド概要

公立小松大学大学院で使っている資料です.

profile-image

コンピュータを使って色々計算しています.気が向いた時に資料を修正しています. 公立小松大学臨床工学科准教授 https://researchmap.jp/read0128699

シェア

埋め込む »CMSなどでJSが使えない場合

関連スライド

各ページのテキスト
1.

⼈⼯知能とその技術 公⽴⼩松⼤学 藤⽥ ⼀寿 Ver.20230523

2.

⼈⼯知能とは

3.

⼈⼯知能とは • ⼈間が知能を使ってやることができる機械もしくはそれを実現するための技術 • ⼈間の知的営みをコンピュータに⾏わせるための技術(IT⽤語辞典バイナリ) • 学習・推論・判断といった⼈間の知能を持つ機能を備えたコンピュータシステム(⼤辞林第三 版) • ⼈間や動物が可能な知的作業ができるコンピュータを作ることに関する事柄 (Artificial Intelligence for Games) • ⼈(研究者)によって⼈⼯知能の捉え⽅が違う!! (平成28年度情報通信⽩書) • そもそも知能が何を意味するか,知的営みがどの程度の難易度の⾏動ができることを意 味するかが曖昧である.そのため,⼈⼯知能という⽤語も曖昧になる. • 考えてもキリがないので,⼀般的な認識に近い⼀番上の解釈をしておく.

4.

⼈⼯知能とは • 汎⽤⼈⼯知能 (Artificial general intelligence : AGI) • ⼈間レベルの知能 • 2022年から⼈⼯知能はAGIに着実に近づきつつある • 特化型⼈⼯知能 • ある問題に対し特化した⼈⼯知能 • 現在の主流 • ⼈⼯超知能(Artificial SuperIntelligence: ASI) • ⼈間の知的能⼒を超えた⼈⼯知能 • ⼈⼯知能という⾔葉を技術⽤語として使わないほうが分かりやすかった. • 現状では「⼈⼯知能を使って〇〇やります」は「コンピュータ使って〇〇を⾃ 動化します」に近かった. • 2022年から⾃動化とは⾔えない領域に⼊ってきている.

5.

電卓も⼈⼯知能では? • 電卓による計算も⼈間の知的活動を機械がやっていると⾔えるが,な ぜ電卓は⼈⼯知能と呼ばれないのか? As soon as it works, no one calls it AI any more. John McCarthy (https://cacm.acm.org/blogs/blog-cacm/138907-john-mccarthy/fulltext)

6.

⼈⼯知能を実現するには

7.

⼈⼯知能 • ⼈⼯知能とは • ⼈間が知能を使ってやることをできる機械もしくはそれを実現するための 技術 • どのように⼈⼯知能を実現するのか どうすれば⼈間のように 知的になれますか? 機械

8.

中国語の部屋

9.

中国語の部屋 • 哲学者のサールが発表した思考実験 • 中国語を理解できない⼈を⼩部屋にいれ,中国語のあらゆる返答が書 かれた辞書を持たせる. • 部屋に中国語の質問を書いた紙を⼊れると,中の⼈が辞書をひいて適 切な返答を紙に書き返す. 中国語の質問が 書かれた紙 中の⼈は中国語は 分からないが,辞 書をひいて適切な 返答を探す. 中国語の返答が 書かれた紙

10.

中国語の部屋 • 中国語を分かっていないのに適切に返答できる. • チューリングテストでは中の⼈が中国語を理解しているかどうか分からないだろう. 中国語の質問が 書かれた紙 中の⼈は中国語は 分からないが,辞 書をひいて適切な 返答を探す. 中国語の返答が 書かれた紙 外から⾒て,中の⼈が中国語を理 解しているかどうか分からない. • 私⾒ • 適切な返答ができるなら,⼈⼯知能として⼗分ではないか. • 適切な返答が書かれた辞書を作ることが⼤事ではないか. • ⼈⼯知能では辞書を作る⽅法を考えることが重要ではないか. チューリングテストとは アラン・チューリングが提案した 機械が⼈間的であるかどうか判定 するテスト

11.

逆に⾒れば • 中国語の部屋のように,部屋の中⾝が何であれ適切な返答ができれば 部屋は知的に動いているように⾒える. • ⼈⼯知能を実現するには,⼊⼒に対し適切な出⼒をする機械を作れば 良い. ⼊⼒ 中国語の質問が書かれ た紙 出⼒ 中国語の返答が書かれ た紙 中国語の部屋を実現するには,部屋の 中の機械が適切な返答をすれば良い.

12.

⼈⼯知能の実現

13.

⼈⼯知能の実現⽅法1 機械に問題の解き⽅を組み込む

14.

機械に問題の解き⽅を組み込む • 機械に問題の解き⽅を教えれば,機械は正しい答えを導ける. 例:最⼤値を求める. ⼊⼒ 2 6 1 8 5 7 9 8 4 出⼒ 最⼤値を 探して 9 解き⽅ 最⼤値を求める⽅法を機械に事前 に⼊⼒しておく. 機械はその⽅法に従って最⼤値を 探す.

15.

機械に問題の解き⽅を組み込む • マルバツゲームを考えてみよう. • ○とXを交互に3x3のマスに埋めていき3つ並べたほうが勝ち. • この場合,起こりうるすべての⼿を探し出せば必勝の⼿が⾒つかる. • なにか問題を解くとき,考えられる解を評価し条件に合うものを探す ことを探索といい,このために⽤いられるアルゴリズムを探索アルゴ リズムという. • 探索を組み込んだ機械は,ゲームをプレイすることができる.

16.

探索の例 現在の状態 マルが選べる 盤⾯ バツが選べる 盤⾯ 起こりうる盤⾯の⼀覧.起こりうる盤⾯を⽊構造で書いたものをゲーム⽊という.

17.

探索の例 現在の状態 マルが選べる 盤⾯ バツが選べる 盤⾯ 引き分け 勝ち ゲーム⽊をたどることを⽊探索という.

18.

探索の例 現在の状態 マルが選べる 盤⾯ バツが選べる 盤⾯ ゲーム⽊から各プレーヤーが最善⼿を選べば引き分けになることが分かる. 勝つ可能性があるのは右の⼿以外だということも分かる.

19.

機械に問題の解き⽅を組み込む • このやり⽅は様々な場所で応⽤されている. • 検索アルゴリズム • リニアサーチ • バイナリサーチ • 探索アルゴリズム • バックトラック法 • 幅優先探索 • 並び替え(ソート)アルゴリズム • バブルソート • クイックソート • この⽅法はコンピュータアルゴリズムの分野で研究される. • この分野で研究される⼿法は厳密解が求まるものが多い.

20.

探索の問題 • 選択肢が多い問題では困るかもしれない. • データ量や選択肢が多いと探索時間が多くかかってしまう. • 例:ボードゲーム • ゲームで起こりうる盤⾯の数(state-space complexity) • • • • • マルバツゲーム:10! 1盤⾯の処理に1秒かかるとしたら約16分処理時間がかかる. オセロ: 10"# 1盤⾯の処理に1秒かかるとしたら約10"$ 年処理時間がかかる. チェス: 10%% 1盤⾯の処理に1秒かかるとしたら約10!& 年処理時間がかかる. 将棋: 10'( 1盤⾯の処理に1秒かかるとしたら約10&! 年処理時間がかかる. 囲碁: 10('$ 1盤⾯の処理に1秒かかるとしたら約10(&" 年処理時間がかかる. • 効率的な⽅法(良いアルゴリズム)を考えることが重要である. • 明確に選択肢を提⽰できない問題では困るかもしれない. • ボードゲームでは選択肢は離散的だが,連続的な選択肢の場合どうするか?

21.

⼈⼯知能の実現⽅法2 知識と条件分岐で問題を解く

22.

知識と簡単な条件分岐で問題を解く • 例えば,⼈の抱える問題に対し,機械が簡単な質問をする.その質問 に対し⼈が「はい」か「いいえ」で答えていくと,機械が問題を解い てくれる. 成績を知 りたい. 80点以上 ですか? はい 成績は 優です. 質問と 答え アキネーターのようなも のだと思ってほしい(ア キネーターの中⾝がどう なっているかは分からな いが…).

23.

知識と簡単な条件分岐で問題を解く • 機械にお湯を沸かさせたい. • お湯を沸かすには • スイッチが⼊った場合,⽔を熱する. • ⽔の温度が100度になると,⽔を熱するのをやめる. • 機械がこの条件に沿って⾏動すればお湯をわかせる(かもしれない). ボタンが 押された 電気を流 そう 100度に なった 電気を⽌ めよう 湯の沸 かし⽅

24.

知識と簡単な条件分岐で問題を解く • 機械に⾵邪かどうか判断させたい. 熱はあるか 喉は痛いか 冬か • ⾵邪の条件とは • 平熱かどうか. • のどが痛いかどうか. • ⿐⽔が出るかどうか. • 筋⾁痛があるか. • 冬かどうか. いいえ いいえ いいえ 質問と 答え ⾵邪で はない • これらの条件を機械が患者に聞き,条件の当てはまり具合で⾵邪かど うか判断することができる(かもしれない).

25.

例:エキスパートシステム • ある分野の専⾨家の持つ知識をデータ化し、専⾨家のように推論や判 断ができるようにするコンピュータシステム(IT⽤語辞典) 成績を知 りたい. 80点以上 ですか? 知識ベ ース はい 成績は 優です. ユーザイン タフェース 推論エ ンジン エキスパート

26.

例:エキスパートシステム • エキスパートが専⾨知識を知識ベースに登録する. • If-Thenルール,つまり条件と結論の形で知識を表現する. • 推論エンジンが知識ベースの情報を⽤いて結論を導く. 成績を知り たい. 80点以上で すか? 知識ベー ス はい 成績は 優です. ユーザインタ フェース 推論エ ンジン エキスパート

27.

こんなに単純でよいのか • 単純な条件分岐でなんでも判断できるか? • 条件がはっきりしているのなら上⼿くいくだろう. • 簡単な問い合わせの対応 • 電気ポットやケトルなどの⽐較的単純な機械の制御 • 条件分岐(知識ベース)を作るのが⾯倒くさい. • 知識,条件が網羅できないかもしれない.

28.

⼈⼯知能の実現⽅法3 規則性を学習させ,それに従って 判断させる

29.

規則性を学習させ,それに従って判断させる • 機械はデータの規則性を学習し,学習した規則性に従い判断する. 機械は⼊⼒の規則性を学 習す,それを保存する. 0, 1, 2, 3, 4 5, 6, 7, 8, 9 規則性を 学習する 学習データ ⼊⼒ 学習した 規則性 出⼒ 0, 1, 2, 3, 4 5, 6, 7, 8, 9 学習した規則性を⽤い判断する.

30.

機械学習 • 機械にデータを⼊⼒し,その規則性を⾒つけさせる(覚えさせる)こと を学習という. • 機械に学習させる仕組みを取り扱う学術分野のことを機械学習という. • 機械学習の説明は別の資料で⾏う. • 現在の⼈⼯知能でよく使われる⼈⼯ニューラルネットワークや強化学習は機 械学習に属する. • 機械学習は厳密解を求める⼿法ではない. • 過去の学習(記憶)に基づき,それらしい解を得る⼿法である. • 間違える可能性がある.

31.

代表的な技術 • ⼈⼯ニューラルネットワーク • 畳み込みニューラルネットワーク, transformer,GAN,diffusion modelな ど • 強化学習 • greedy法,ε-greedy法,UCB法,TD学習,Q学習など • 強化学習+ニューラルネットワーク • AlphaZero,DQN,ChatGPT(アラインメントで強化学習を使⽤)など

32.

まとめ

33.

⼈⼯知能のための技術のまとめ • 計算⽅法を組み込む • コンピュータアルゴリズム:厳密解が出る • ソートアルゴリズム • 探索アルゴリズム • 動的計画法 • 知識と条件分岐を組み込む • エキスパートシステム • IF-THENルール • 学習と判断の仕組みを組み込む • 機械学習:過去の学習に基づき予測する(厳密解ではない=間違える可能性が ある). • ⼈⼯ニューラルネットワーク • 強化学習

34.

まとめ • ⼈⼯知能のための技術は機械学習(深層ニューラルネットワーク)だ けではない. • ⽬的に合わせて,効率的な⼿法を選ばなければならない. • 何にでも深層ニューラルネットワークを使えばよいわけではない.

35.

⼈⼯知能の歴史 コンピュータが役に⽴つ • 1942年 Bombe machineがEnigmaを解読に成功 ニューラルネットワーク で計算ができる • 1943年 ニューラルネットワーク登場(McCullochとPitts) • 1950年 Turing test提案(Turing) • 1955年 ダートマス会議にてArtificial Intelligence(⼈⼯知能)という⽤語ができる • 1958年 パーセプトロン • 1959年 機械学習という⽤語ができる(Samuel) ⼈⼯知能と会話できる • 1966年 チャットボットEliza発表 • 1980年代 エキスパートシステムが利⽤される チェスにおいて⼈⼯知能 が⼈を凌駕 • 1997年 チェスでDeepblueが世界チャンピョンを破る • 1999年 Aibo発売 ペットロボットが家庭に • 2002年 Roomba発売 ⼈⼯知能と声でやり取り できる • 2011年 Siri登場 • 2011年 IBMのWatsonが早押しクイズで⼈間に勝つ 深層ニューラルネットワ ークの時代到来 • 2012年 深層ニューラルネットワークが画像識別⼤会で圧勝 • 2017年 AlphaGoが囲碁世界ランク1位の柯潔⽒に勝利 • 2022年 DALL-E, Midjourney, Stable diffusion公開 • 2023年 GPT-4リリース ニューラルネットワーク の学習ができる AGIはすぐそこか? AI絵師登場により,⼈間 絵師,急速に需要減少 ⼈はゲームで⼈⼯知能に 勝てそうにない