精度が高まるAI！そのロジックと可能性を解説！
第3次ブームと言われている「AI」。画像生成や数値予測、ロボット制御など、様々な分野で耳にする機会が増えてきました。そんな「AI」を支える技術力と可能性について前回は「①機械学習の仕組み」をお届けいたしました。今回は「②機械学習を支えるディープラーニング」についてお届けいたします。>>前編「①機械学習の仕組み」はこちら
AI（人工知能）とは？※前回のおさらい
「AI（人工知能）」とは、人間が行う知的ふるまいをコンピューターにより人工的に再現したものです。従来の条件分岐といったルールベースのAIと異なり、近年のAIは参考となるデータをAIに読み込ませることで、学習および推論を行います。いわゆる機械学習です。
「機械学習」では、より複雑かつ精度の高い推論が行えるようになりました。また、機械学習の精度を向上させる技術「ディープラーニング」の誕生により、人間の指導なしにAIが学習できる時代に突入しました。今回は、ディープラーニングについてご紹介いたします。
"自ら"学習するAIの可能性
「ディープラーニング」では学習の過程はAI任せ
前回解説した従来の学習方法では、学習に用いるデータの中から確認すべきポイントを人間がAIに指示する必要がありました。
例えば、写真に猫が写っているか学習させる際に「体の大きさはどのくらいか」「しっぽはあるか」「四足歩行であるか」「耳は2つで尖っているか」といった確認すべきポイントをいくつも指示し、推論の精度を上げるためにチューニングしていく必要があり、大変手間がかかります。
この手間をなくすために考えられた技術が「ディープラーニング」です。ディープラーニングでは、推論のために必要と思われるデータの特徴的なポイントを、AIが自ら抽出し確認し始めます。ディープラーニングの中には、億単位にも及ぶ特徴の抽出を行うケースもあり、人間の指示では到達できない精度に達します。
AI同士が相互に学習しあう底力
映像や音楽といった定型的なデータと異なり、AIの学習データは完成がなく不定型ですが「①複製しAI同士で共有」することができます（学習結果の再利用性）。また、複製した学習データを基に「②更に学習を進める」こともできます（学習の継続性）。
「①学習結果の再利用」と「②継続的な学習」の相乗効果により、一つのAIで学習を進めるよりも早く精度が向上します。
この相乗効果により世の中は大きく変化すると予想されています。それは、一人一台スマートフォンを所有するようにAIが生活に溶け込んだり、ビジネスの意思決定に用いられるといった変化だけではありません。やがて「人類の知能が地球上で2番になる日」が到来し、人類よりも高い知能とどのように向き合えるかといった、新しい道徳観が生まれることを意味します。
AIの限界と可能性
従来のコンピュータの処理能力ではAIの精度を高めることに限界があります。更にAIの精度を高めるためにはより多くの計算処理が必要で、量子コンピュータの実用化が期待されています。量子コンピュータは従来のコンピュータの1億倍もの処理が可能と言われており、量子コンピュータの実用化が進めば更なる「①精度の向上」や、従来のコンピュータでは難しいとされている、より不定型で難解な学習も期待できます。
また、AIの学習モデルの精度と計算量はトレードオフの関係にありますが「②汎用性を高める」ために、できるだけ精度を保ったまま小型で低スペックのコンピュータに搭載する研究も進んでいます。AIの学習モデルの精度を保ったまま小型化する技術を「モデル圧縮技術」といい、AIの学習や推論に重要な要素を算出し、機能として抜き出す技術です。
自動車に搭載されているエンジンは小さくすると馬力が小さくなりますが、小型化しつつ馬力を出すためにターボチャージャーが考案されました。「モデル圧縮技術」は、従来の排気量で従来以上のパワーを発揮するターボチャージャーにとても似ています。
以上のように、AIの分野では「①精度の向上」「②汎用性の向上」の観点から様々な研究が行われています。
■お電話でのお問合せ
0120-061-044
■メールでのお問合せ
■PSCオフィシャルサイト
