インデックス
人工知能は、近年ますます注目を集めている用語です。 これは、私たちが周囲の世界と対話する方法に革命をもたらすテクノロジーです。
しかし結局のところ、 人工知能とは何ですか? この特別記事では、このコンセプト、その応用、課題、そして将来の展望について探っていきます。 AI が私たちの住む世界をどのように変えているかを理解してください。
Showmetech チャンネルでビデオをご覧ください。
人工知能とは？
A 人工知能 の略語でも知られています IA、ポルトガル語、または AI、英語では、今日のコンピューター サイエンスの最も魅力的な分野の XNUMX つを表します。
このテクノロジーにより、コンピューターや機械が人間の知能を模倣できるようになります。
AI は科学者によって作成されたモデルとアルゴリズムに基づいており、人間の脳のように機能するように設計されています。 彼らは情報を特定し、それらを結び付け、ほとんどの場合、そのケースに対する最も正しい答えを予測することさえできます。
近年、人工知能にはいくつかの概念や定義が存在しますが、 ジョンマッカーシー、有名なコンピューター科学者、 記事、AIを次のように定義しました 「インテリジェントなマシン、特にインテリジェントなソフトウェアを作成する科学と工学。 これは、コンピューターを使用して人間の知能を理解するという同様のタスクに関連していますが、AI は生物学的に観察可能な方法に限定される必要はありません。"。
この科学者によると、私たちは人間の知能を成功の基準と考えていますが、人工知能を私たちの考え方に適応させるよう制限すべきではありません。
AI の研究は新しいものではありません (1950 年に始まりました) が、現在の 3 つの要因のおかげで、ようやくこの可能性を「革命的」ステータスに到達することができました。
XNUMX つ目は、複雑な人工知能モデルを処理するのに十分な巨大な処理能力を備えたコンピューターまたはデータセンターの開発です。
XNUMX 番目の要素は、インターネット自体によって提供される大量のデータへのアクセスです。 これらは「生」、つまり必ずしも組織化および分類されていないものではありますが、AI がオブジェクトを正しく分類し、質問されたことに正しい答えを与えることを学習するための基礎となります。
そして XNUMX つ目は、分析または使用したい情報を効率的かつ正確に表現するデータ モデルに関するものです。 これらは、AI が言われたことをよりよく理解できるように構築されています。
これにより、私たちは今日目にするものを手に入れることができます。AI は、あらゆるテーマに関する質問に答え、仕事のプレゼンテーション、まったく新しい画像、さらには本物の歌手の声を備えた曲を作成します。
たとえば、次のように尋ねると、 GPT チャット、まるで本物の人間であるかのように質問を理解し、答えることができる AI システム、人工知能とは何か、次の答えが得られます。
人工知能 (AI) は、通常は人間の知能を必要とするタスクを実行できるシステムやマシンの開発に焦点を当てたコンピューター サイエンスの分野を指します。 AI は、自律的に知覚、推論、学習、意思決定できるプログラムとアルゴリズムを作成することを目指しています。
GPT チャット
これらのプログラムやアルゴリズムは、自動運転する自動車やロボット掃除機など、私たちが使用する電子機器にも存在し、もちろんスマートフォンが提供する最も多様な機能にも含まれています。
しかし、AI がどのようにしてここに到達したのかを理解するために、ここで少し歴史について話しましょう。
人工知能の歴史
古代から、無生物には知性があるという考えがありました。 知能ロボットと人工存在のアイデアは、世界で最初に登場しました。 神話 古代ギリシャの。 神 ヘフェストたとえば、ロボットのような黄金の召使いを作成すると説明されています。 古代エジプトでは、技術者はおそらく祭司によって動かされたとされる彫像を建てました。
何世紀にもわたって、次のような思想家が アリストテレス、ラモン・リュル、ルネ・デカルト e トーマス・ベイズ 当時のツールとロジックを使用して人間の思考プロセスを説明し、一般知識を表すなどの AI 概念の基礎を築きました。
1836 世紀の終わりから XNUMX 世紀の前半にかけて、現代のコンピューターの基礎となる基礎的な作品が誕生しました。 XNUMX年、数学者は ケンブリッジ大学, チャールズ・バベッジ e オーガスタエイダキング ラブレス伯爵夫人、プログラム可能なマシンの最初の設計を作成しました。
ルーツは古いものの、今日私たちが知っている人工知能の歴史は XNUMX 世紀にも満たないものです。 以下に、その軌跡の中で最も重要な出来事のいくつかを簡単に概観します。
1940年代:
- 1943年に、 ウォーレン・マッカラー e ウォルター・ピッツ 記事を公開する神経活動における固有のアイデアの論理的計算 、ニューラル ネットワークを構築するための最初の数学モデルを提案しています。
- 1949年に彼の著書で「行動の組織化: 神経心理学的理論" ドナルド・ヘブ は、神経経路は経験から作成され、ニューロン間の接続は頻繁に使用されるほど強化されるという理論を提案しています。 学ぶ ヘビアン AI における重要なモデルのままです。
1950年代:
1950年に数学者は、 アラン·チューリング、考慮 コンピューターサイエンスの父という疑問に答える記事を書きました 「機械は考えることができるのか？、インテリジェントなマシンを作成することが可能かどうかを尋ねます。 彼はまた、コンピュータが人間の行動を模倣できるかどうかを確認するテストを発明しました。 有名な チューリングテスト.
1950年にもSF作家は アイザック·アシモフ』という本を出版しました。私は盗みます」というテーマで、ロボットはどのように知能を持ち、どのようなルールに従うべきなのかを問いかけます。 ここで彼は有名な「ロボット工学3原則」、 これは、ロボットが人間に害を及ぼさずにどのように行動すべきかを理解するために今日でも使用されています。
そして1956年に、 ジョンマッカーシー 米国で AI に特化した最初の会議で「人工知能」という用語を作成し、同じ年に最初の人工知能プログラムが作成されました。 論理理論家、一種の「自動推論」を実行することに成功しました。
この XNUMX 年間のその他の重要な事実には次のようなものがあります。
- 1950年に、 ハーバード大学、マービン・ミンスキー e ディーン・エドモンズ を構築する スナーク、最初のニューラルネットワークコンピュータ。
- 1950年に、 クロード・シャノン 記事を公開するチェスをプレイするようにコンピューターをプログラムする"。
- 1952年に、 アーサー・サミュエル チェッカーをプレイするための自己学習プログラムを開発しています。
- 1954 年に、ロシア語から英語への機械翻訳の実験が行われました。 ジョージタウン-IBM 厳選した60のロシア語フレーズを英語に自動翻訳します。
- 1957年に、 フランク・ローゼンブラット を発明する パーセプトロン いいえ コーネル航空研究所、最初の人工ニューラルネットワーク。
- 1957年に、 アレン・ニューウェル、ハーバート・サイモン e JCショー を開発する 一般的な問題解決ツール (GPS)、人間の問題解決を模倣するように設計されたプログラム。
- 1958年に、 ジョンマッカーシー AIプログラミング言語を開発 リスプ そして「」を出版します常識のあるプログラム」という仮説を提案する記事です。 アドバイステイカー、人間と同じように効果的に経験から学習する能力を備えた完全な AI システムです。
- 1959年に、 ヘルベルト・ゲランター プログラムを開発します 幾何定理プロバイダー。 このプログラムは、幾何学定理を自動化された方法で証明できる可能性があります。
- 1959年に、 アーサー・サミュエル 「」という用語をコインにします機械学習"（機械学習）IBMで働きながら。
- 1959年に、 ジョンマッカーシー e マーヴィンミンスキー を見つけました 人工知能プロジェクト do マサチューセッツ工科大学（MIT）.
1960年代:
60年代には、 ニューラル ネットワーク 実際にマップに入りました。 これらは人間の脳のニューロンの機能を模倣し、機械が私たちと同じように試行錯誤形式で「学習」できるようにするシステムです。 詳細については、後の機械学習の章で説明します。
- 1962年に、 ジョンマッカーシー を開始します AIラボ em スタンフォード.
- 1966年に、 ジョセフ・ワイゼンバウム 作成する エリザ、 最初 ソフトウェア MIT 人工知能研究所での対話 (チャットボット) のシミュレーション用。
- 1966 年の報告書では、 自動言語処理諮問委員会 (ALPAC)、米国政府から、機械翻訳研究の進歩の欠如について詳しく述べられています。 による素晴らしい取り組み 冷戦 ロシア語からの自動即時翻訳が約束されています。
1970年代:
1970年代にはプログラミング言語が プロローグ が作成され、レポートが作成されます ライトヒル 英国政府が発表した文書では、AI研究における失望とプロジェクト資金の大幅な削減につながったことが詳述されている。 この期間は「」として知られています。AI の最初の冬"。
- 1970 年に最初に成功したエキスパート システム、 デンドラル e マイシンで作成されます。 スタンフォード。 エキスパート システムは、特定の知識分野における専門家の推論をシミュレートすることを目的としたソフトウェアであり、この場合は感染症の診断と治療において医師を支援します。
- 1972 年にプログラミング言語が プロローグ によって作成されました アラン・コルメラウアー とその関連会社 マルセイユ大学。 この言語は、プログラミング言語の実装ではなく、自然言語の処理に焦点を当てたプロジェクトから生まれました。
- 1973年、 早稲田大学、日本で建設されました。 ワボット-1、最初の擬人化ロボットと考えられています。 そのリソースの中でも、メンバーを動かし、見て、話す能力は際立っています。
- 1978で デジタル機器企業 を開発します R1 （としても知られている XCON）、最初に成功したトレーディングエキスパートシステム。 新しいコンピュータ システムの注文を構成するために設計された R1 は、エキスパート システムへの投資ブームの始まりとなり、これは XNUMX 年間の大部分にわたって続くでしょう。
- 1974 年から 1980 年にかけて、AI 開発の進歩に対する不満により、大学からの学術助成金が大幅に削減されました。 DARPAは。 レポートと合わせて アルパック そして報告書 ライトヒル 前年からAIへの資金が枯渇し、研究が停滞している。
1980年代:
1980 年代には、新しいエキスパート システムやプログラミング言語などのテクノロジーが登場しました。 リスプ、AIへの多額の投資が行われています。 この期間は「」として知られています。エキスパートシステムのブーム」と終わりを告げます AI の最初の冬.
1986 年の当時、現在ではどう考えられているか 「人工知能の父」" ジェフリーエベレストヒントンは、さらに複雑な方法で、研究者自身の助けがなくてもニューラル ネットワークをトレーニングできるアルゴリズムを開発しました。これは今日ではこう呼ばれています。 深層学習 または深層機械学習。 そう、ここではAIが自ら学習を開始するのです。必要なのは、研究者がデータを提供してAIに「学習」させるだけなのです！
その他の重要な事実は次のとおりです。
- 1982 年、日本は野心的なプロジェクトを開始します。 第 XNUMX 世代コンピューティング システム, FGCS. の目的 FGCS スーパーコンピュータのような性能とAI開発用のプラットフォームを開発することだ。
- 1983年、これに応えて、 FGCS 日本、米国政府が発足 戦略的コンピューティング イニシアチブ ～に資金を提供する DARPAは AIや情報技術の研究に。
- 1985 年、企業はエキスパート システムと機械市場として知られる業界全体に年間 XNUMX 億ドル以上を費やしていました。 リスプ 彼らを応援しに来ます。 のような企業 シンボリックス e Lisp Machines Inc. AIプログラミング言語を実行するための専用コンピューターを構築する リスプ.
- 1986年に、 ルメルハート・ヒントン e ウィリアムズ 公開 "誤差逆伝播による表現の学習」により、より深いニューラルネットワークを開発できるようになります。
- 1987 年から 1993 年にかけて、コンピューティング技術の向上に伴い、より安価な代替品が登場し、マシン市場は リスプ 1987年に崩壊し、 「AI の二度目の冬 。 この期間中、エキスパート システムは維持と更新に費用がかかりすぎることが判明し、最終的には人気がなくなりました。
1990年代:
1990 年代には、Web が広く利用できるようになり、AI モデルをトレーニングするために大量のデータを収集してアクセスできるようになりました。 また、ニューラルネットワークや機械学習への関心も新たになっています。
- 1991年に米軍は DART、湾岸戦争中の自動物流計画およびスケジューリング ツール。
- 1992年に日本はプロジェクトを終了 FGCS、XNUMX年前に設定された野心的な目標を達成できなかったことを挙げています。
- 1993で DARPAは を閉じます 戦略的コンピューティング イニシアチブ、1億ドル近くを費やし、期待を大きく下回った後。
- 1997年には、 Deep Blue da IBM チェスの世界チャンピオンが優勝 ギャリーカスパロフ.
- 1999年、映画 マトリックス がリリースされ、人工知能とその社会への影響の考え方がさらに普及しました。
2000 年代から現在まで:
2000 年代以降、仮想アシスタントから音声および画像認識システム、自動運転車やその他のテクノロジーに至るまで、AI が私たちの日常生活にますます存在するようになりました。 ディープ ニューラル ネットワーク、自然言語処理 (NLP)、強化学習などの新しい技術が開発され、改良されています。
2018 年半ば、AI は急速に進化を続け、最初の「偉大な言語モデル」または LLM、英語の頭字語で、膨大な量のテキストを解釈して適切な応答を生成できるニューラル ネットワークです。 そしてこれはまさに今日私たちが目にしているものです チャットGTP, ユーザーの質問や命令に応答する人工知能は 2022 年に登場します。
最新の事実を確認してください:
- 2002で アイ・ロボット を投げます ルンバ、AI 搭載ナビゲーション システムを搭載した初の量産型ロボット掃除機。
- 2005 年に自動運転車が登場 スタンリー 勝つ DARPA グランド チャレンジ.
- 2005 年、米軍は「」などの自律型ロボットへの投資を開始しました。大きい犬"から ボストンダイナミクス それは「パックボット"から iRobot社.
- 2008年には、 Google 音声認識テクノロジーを進歩させ、アプリケーションに機能を導入します。 iPhone.
- 2010で Appleは を投げる シリ、iOS オペレーティング システムを介した、AI を活用した仮想アシスタントです。
- 2011年には、 ワトソン da IBM プログラム内の競争に簡単に勝つ うんざり！.
- 2012年に、 アンドリュー・ン、プロジェクトの創設者 Google Brain ディープラーニング、深層学習アルゴリズムを使用してニューラル ネットワークに 10 万件のビデオを供給します。 YouTube トレーニングセットとして。 ニューラル ネットワークは、猫が何であるかを知らされなくても猫を認識できるようになり、ニューラル ネットワークが進歩し、ディープ ラーニングに資金が投入される時代が到来しました。
- 2012年には、 Google 自動運転車が初めて州の運転試験に合格する。
- 2014で アレクサ da Amazonスマートホーム仮想アプライアンスが発売されました。
- 2015年には、最初の「ロボット市民」と名付けられた人型ロボット ソフィア、によって作成されました ハンソンロボティクス 顔認識、口頭コミュニケーション、表情表現が可能です。
- 2016年には、 アルファゴー do Google DeepMind 囲碁の世界チャンピオンを破り、 李世ドル。 古代中国のゲームの複雑さは、AI にとって大きな障害になると考えられていました。
- 2018年には、 Google 自然言語処理エンジンを起動 ベルト、機械学習アプリケーションによる翻訳と理解の障壁を軽減します。
- 2018で ウェイモ サービスを開始する ウェイモ・ワンこれにより、フェニックス全域のユーザーが同社の自動運転車のいずれかによる送迎をリクエストできるようになります。
- 2020で Baiduの 人工知能アルゴリズムを開始 リニアフォールド SARS-CoV-2パンデミックの初期段階でワクチン開発に取り組む科学チームと医療チームを対象としています。 このアルゴリズムは、ウイルスの RNA 配列をわずか 27 秒で予測でき、他の方法より 120 倍速くなります。
- 2020で OpenAI 自然言語処理モデルを起動します GPT-3、人々の話し方や書き方をモデルにしたテキストを作成できます。
- 2020年には、 アルファフォールド2 da ディープマインド タンパク質の折り畳みの問題を解決し、新薬の発見と医学の進歩への道を切り開きます。
- 2021で OpenAI を開発します DALL-E、 に基づく GPT-3、テキスト プロンプトから画像を作成できます。
- 2021年には、 米国国立標準技術研究所 彼の最初の草稿を発表する AIリスク管理フレームワークアメリカから来たボランティアガイド「人工知能に関連する個人、組織、社会へのリスクをより適切に管理するため"。
- 2022で ディープマインド を提示します 猫、ゲームのプレイを含む何百ものタスクを実行するように訓練された AI システム アタリ、画像にキャプションを付け、ロボット アームを使用してブロックを積み上げます。
- 2022年には、 Google エンジニアを解雇する ブレイク・ルモワン あなたのための アファメーション 何のまたは Google のダイアログ アプリケーション用言語モデル (LaMDA) 意識はあった。
- 2023で Microsoft ～のAIバージョンを起動 ビング、その検索エンジンは、 ChatGPT.
- 2023年には、 Google を発表します 吟遊詩人、同時対話型AI。
- 2023年、アーティストらが集団訴訟を起こす スタビリティAI, DeviantArtの e ミッドジャーニー あなたの使用のために 安定拡散 何百万ものアーティストの著作権で保護された作品をリミックスします。
- 2023で OpenAI を投げます GPT-4、これまでで最も洗練された言語モデル。
さて、これまでの歴史を踏まえて、人工知能の種類がどのように分類されているかを理解しましょう。
人工知能にはどのような種類があるのでしょうか?
一般に、科学者は AI を主に 5 つのタイプに分類し、それぞれが人間の心に近づく、あるいはそれを超えるためのはしごを一歩ずつ上ります。
リアクティブ AI
最初のタイプは、 リアクティブ AI、記憶力がなく、過去の失敗や経験から学ばない人。
リアクティブマシンの一般的な例は、生産ラインで自動車部品を製造するようにプログラムされたロボットです。 ロボットにはセンサーが装備されており、作業エリア内の部品や機械の存在を検出できます。 センサーが検出した刺激に応じて、溶接や切断などの特定のタスクを実行するようにプログラムされています。
限られたメモリ AI
XNUMX番目のタイプは、 限られたメモリ AI、間違いや過去の経験から学び、意思決定を行う人。 メモリが限られているマシンでも、過去のデータと予測を保存して、リアルタイムの意思決定を行うことができます。 これらはリアクティブ マシンよりも複雑であり、より多くの可能性を提供します。
パーソナルアシスタントは次のとおりです。 Google, アレクサ と シリ さらには、オブジェクトを識別してビデオや写真内で強調するなど、携帯電話の特別な機能も利用できます。
AI リアクティブ と 限られたメモリ、にも分類されます。 限定的な人工知能、またはその頭字語 ANI、 英語で。 それらは一般的に呼ばれています 「貧弱なAI」 そしてそれらは、今日世界中に存在するすべての AI を網羅しています。
心のAI理論
XNUMX 番目のタイプは次のように呼ばれます。 心のAI理論そこでは、インテリジェントなシステムが、人間が理解できる方法でその決定を理解し、説明することができます。 つまり、AI は、AI と対話する人々を理解し、認識し、彼らのニーズ、感情、信念を理解します。
このタイプの AI はまだ発明されていませんが、すぐにこのようなものが登場する可能性が非常に高いですが、映画の中で架空の例として示されています。ブレードランナー2049』では、登場人物の一人が人間の感情を理解し、感じることもできるAIです。
自己認識AI
XNUMX 番目の最も先進的なタイプは、 自己認識AI。 このカテゴリでは、人工知能は自分自身、そのニーズ、さらには感情を認識します。 として分類されます 一般的な人工知能、またはその頭字語 AGI英語では「」とも呼ばれます。強力なAI"。
自己認識型 AI は、自分自身とその周囲の世界について学習し、独自のアイデンティティを持つことができます。 自己認識は AI の究極の目標と考えられていますが、意識とアイデンティティの性質について疑問を投げかけるため、倫理的および哲学的な課題とも見なされています。
意識に関する最もよく知られた理論の XNUMX つは、 統合情報理論 (IIT)、神経科学者によって提案されました ジュリオ・トノーニ 2004年。 IIT システムがさまざまなソースからの情報を統合し、統一された意識状態を作り出すことができるときに意識が生じることを示唆しています。 この考えによれば、意識はシステムの複雑さだけではなく、情報を収集して個人の意識状態を作り出す能力にも依存します。
このタイプもまだ発明されていませんが、近い将来、人間のように考え、行動する「自己認識型 AI」の実現に近づいていると推定されています。
架空の例として、映画では「例MACHINA」と呼ばれるAI アヴァ は、自分自身について学習し、独自の人格を開発する能力を備えて設計されており、人間であることの意味と社会における AI の役割についての疑問を引き起こします。
スーパーAI
しかし、第 XNUMX 段階があります。 スーパーAI ou 超人工知能、またはその頭字語 ASI、英語では「」とも呼ばれます。超強力なAI"。
到達した瞬間にはすでに名前が付いています。 特異点。 それは、コンピューターが超人的な知能、つまり人間の推論能力を超える知能を持つようになる、科学の進化における画期的な出来事となるでしょう。
ここでの未来は、憂慮すべきものであると同時に印象深いものでもあります。これらの AI は病気の治療や技術の進歩に役立つかもしれませんが、人類はもはや必要とされないか、劣ったものとして扱われるべきだと判断する可能性もあります。
人工知能が人間を排除しようとする映画『ターミネーター』や、AI がどのようにして人間を支配し、人間を機械の「バッテリー」に変えたかを描いた『マトリックス』で起こったことと同様です。
その時点から、AI は制御不能になる可能性があります。 なんと恐ろしいことでしょう？
ディープラーニング vs. 機械学習
機械学習（機械学習） e ディープラーニング（深層学習） これらは、機械がデータから自動的に学習し、時間の経過とともにパフォーマンスを向上させる、人工知能の XNUMX つの基本的な技術です。
どちらの技術も、金融、医療、運輸、小売などのさまざまな業界で広く使用されています。 しかし、その人気にもかかわらず、多くの人は依然として XNUMX つのテクニックの違いや、さまざまなシナリオにどのように適用できるかについて疑問を抱いています。
機械学習とは何ですか?
O 機械学習 は、明示的にプログラムせずに機械にデータから学習するよう教えることに重点を置いた AI アプローチです。 代わりに、アルゴリズム 機械学習 統計手法を使用してデータセット内のパターンを特定し、これらのパターンに基づいて予測や決定を行います。
メモリが限られているマシンに学習させるために使用される XNUMX つのステップを見ると、より理解しやすくなります。
- 機械に教えるためのデータ（トレーニングデータ）を手配します。
- 機械が学習するモデルを作成します。
- モデルが予測できるかどうかを確認します。
- モデルが人や環境からフィードバック (意見) を受け取ることができるかどうかを確認します。
- このフィードバックをデータとして保存します。
- これを何度も繰り返して、マシンのパフォーマンスを向上させます。
これらの手順を使用して、機械にデータから学習するように教える主な方法は XNUMX つあります。
- 教師あり学習: これは、多くの例を使って機械に情報を認識するように教えるときです。 それは犬にボールの認識を教えるようなものです。 たくさんのボールを見せて「これはボールだ」と言います。 同様に、機械に馬の画像を認識するように教えるために、すでに馬であることがわかっている画像を多数表示します。 したがって、機械は他の画像内の馬を認識することを自ら学習します。
- A監視されていないトラップ: それは、各データが何であるかを誰かに教えてもらうことなく、データ内のパターンを見つけるように機械に教えるときです。 それは、どのオブジェクトが一緒になるかを誰も教えてくれずに、オブジェクトをグループに編成するようなものです。 マシンは自ら学習してオブジェクト間の類似点を見つけ、それらの類似点に基づいてオブジェクトをグループ化します。 これは、データ内のパターンを見つけてそれを説明するのに役立ちます。
- 半教師あり学習: 前の XNUMX つのタイプを混合したものです。 一部の情報は教えられますが、正しい結果を得るために情報を整理する方法を機械が自ら考え出す必要があります。 それは、犬に赤いボールだけを捕まえるように教えるようなものですが、犬はそれを自分で行う方法を見つけなければなりません。
- 強化学習: 試行錯誤を通じてマシンに何かをするように教えるときです。 機械はタスクを実行し、うまくいった場合には正のフィードバックを受け取り、うまくいかなかった場合には負のフィードバックを受け取ります。 それは犬におもちゃを拾うように教えるようなものです。 正しいおもちゃを選ぶと、おやつがもらえます。 間違ったものを選択すると、何も得られません。
ディープラーニングとは何ですか?
O 深層学習 (ディープラーニング、意訳）は、以下を使用する機械学習技術です。 人工ニューラルネットワーク データから学ぶこと。
ニューラル ネットワークは、と呼ばれる人工ニューロンの集合です。 パーセプトロン、データの分析と分類に使用されます。 これらは、情報を受信して計算を行う小さなコンピューターのように機能します。 データはネットワークの最初の層に供給され、そこで各パーセプトロンが計算を受け取り、その情報を次の層の他のいくつかのパーセプトロンに送信します。
ニューラル ネットワークが XNUMX つ以上の層を持つ場合、それは「ディープ ニューラル ネットワーク」または深層学習と呼ばれます。 最新のニューラル ネットワークの中には、数百または数千の層を持つものもあります。 最終的なパーセプトロンからの出力は、オブジェクトの分類やデータ内のパターンの検索など、ニューラル ネットワークに定義されたタスクを実行します。
ニューラル ネットワークが複数の例でトレーニングされると、パターンを識別し、音声認識、画像認識、自然言語処理 (NLP) などの複雑なタスクを実行する方法を学習できます。
人工ニューラル ネットワークにはさまざまな種類があり、それぞれ特定のタスクに使用されます。 最も一般的なものは次のとおりです。
As フィードフォワード (FF) ネットワーク 画像やテキストなどを分類するために使用されます。 データは、最終的な答えに到達するまで、いくつかの層を通過します。 FF は通常、「BackPropagation」と呼ばれるエラー修正アルゴリズムと組み合わせられます。これは、ネットワークを逆方向に再処理して結果を精度を向上させます。
As リカレント ニューラル ネットワーク (RNN) テキスト内の単語など、一連のデータに基づいて物事を予測するために使用されます。 これらは前の層で起こったことの「記憶」を持っており、音声認識、翻訳、字幕作成に使用されます。
As 長期記憶ネットワーク (LSTM) は、前の層からのものを記憶できる特別な種類の RNN です。 音声認識のように、過去のデータに基づいて物事を予測するために使用されます。
As 畳み込みニューラル ネットワーク (CNN) 主に画像処理に使用されます。 画像のさまざまな部分を探し、それらを組み合わせて結果を導き出します。
As 敵対的生成ネットワーク (GAN) リアルな画像を作成したり、アートを作成したりするためにも使用されます。 これらはゲームのように機能し、ネットワークが例を作成し、他のネットワークがその例が真か偽かを証明しようとします。
機械学習と深層学習の違いは何ですか?
の主な違い 機械学習 e 深層学習 それは、それぞれが異なる種類のデータの処理に優れているということです。 ○ 機械学習 は売上予測や不正行為検出などの構造化データに役立ちますが、 深層学習 画像や音声などの複雑な非構造化データに最適です。
もう XNUMX つの重要な違いは、モデルのトレーニングに必要なデータの量です。 ○ 深層学習 通常、効果を発揮するには大規模なデータセットが必要ですが、 機械学習 小規模なデータセットではうまく機能する可能性があります。
最後に、モデルをトレーニングします。 深層学習 モデルをトレーニングするよりも複雑で時間がかかります 機械学習ただし、より正確な予測が得られ、複雑なタスクのパフォーマンスが向上する可能性があります。
生成モデルの進歩
人工知能は近年急速に進歩しており、注目を集めている分野の XNUMX つは人工知能の進歩です。 生成モデル。 これらは、新しい情報を生成するために使用される現在の種類の AI です。
一連のトレーニング データから画像、フルテキスト、音楽、さらにはビデオを作成できます。 それらは次のアルゴリズムです。 深層学習 新しい情報を生成することを学習でき、モデルとは区別されます 差別的な、データの並べ替えまたはラベル付けのみに使用されます。
たとえば、生成モデルをトレーニングして、 Wikipedia そしてその情報を使用して、特定のリクエストに基づいて新しいテキストを生成します。 別の例は、次の成果物を使用して生成モデルをトレーニングすることです。 レンブラント そしてそれを使って新しいアートワークを作成します
たとえば、新しい曲を作成したいが、楽器の演奏方法がわからないと想像してください。 次のような生成音楽メーカー テンプレートを使用できます。 音楽LM do Google どのような種類の曲やリズムが必要かを彼に説明すると、彼はあなたのためにまったく新しい曲を作成します。
テキストまたは画像を生成する場合も手順は同じで、次のような特殊なモデルを見つけるだけです。 ビング AIを活用した Microsoft、テキストと回答の場合、または ミッドジャーニー, 写真の場合は、必要なことを書きます。
AI にコマンドやリクエストを書き込むこのアクションは、「プロンプト"。
最も驚くべきことは、リクエストを書くだけで済むことです。 プロンプト システムが理解できる自然言語、および任意の言語で。
たとえば、次のように説明できます。 ミッドジャーンy、次のような画像を生成する AI です。「スケートボードに乗っている女の子の写実的な画像を想像してください」 ChatGPT 「カエルとお姫様についての面白い物語を書く」こと。 結果はほぼ 魔法の.
要約すると、生成モデルの生成は AI の有望な分野であり、すでにさまざまな分野で広く使用されています。 あ 傾向 それは、これらのモデルがますます正確かつ効率的になり、AI の新時代への扉が開かれるということです。
人工知能はどこで見つけられるのでしょうか?
AI は多くの分野やセクターに存在し、私たちがタスクを実行し、テクノロジーと対話する方法を変革しています。 以下に、人工知能が見つかる場所の例をいくつか示します。
- 音声認識：音声認識技術は、仮想アシスタントなどのモバイルデバイスで使用されています。 シリ、音声検索を実行し、テキスト メッセージでのアクセシビリティを提供します。
- カスタマーサービス：仮想エージェントは顧客サービスにおいてますます一般的になり、よくある質問に答え、個別のアドバイスを提供し、製品のクロスセルを支援します。 例には、e コマース Web サイトのチャットボットや次のようなメッセージング アプリが含まれます。 Facebookのメッセンジャー e WhatsApp.
- コンピュータビジョン: コンピューター ビジョンを使用すると、システムやコンピューターが画像やビデオなどの視覚情報を分析してアクションを実行できるようになります。 アプリケーションには、ソーシャル メディアでの写真のタグ付け、医療画像診断、自動運転車などがあります。
- レコメンデーションシステム: AI アルゴリズムはレコメンダー システムで使用され、行動パターンを特定し、パーソナライズされた提案を提供します。 これは、チェックアウト プロセス中に製品の推奨事項が作成されるオンライン ストアでよく見られます。
- 自動株取引：AIベースの高頻度取引プラットフォームは、人間の介入なしで毎日数千、さらには数百万の取引を実行し、株式ポートフォリオを最適化します。
- ロボット工学: ロボティクスでは、AI を使用して、困難なタスクや反復的なタスクを実行できるロボットを設計および製造します。 これらのロボットは、産業生産ライン、宇宙探査、社会的交流に使用されています。
- 自動運転車：コンピュータビジョン、画像認識、ディープラーニングの組み合わせは、特定の車線に留まり、予期せぬ障害物を回避して走行できる自動運転車の開発に不可欠です。
- テキスト、画像、音声の生成: 生成 AI 技術を使用して、テキスト プロンプトに基づいてさまざまなタイプのメディアを作成します。 これには、フォトリアリスティックなアートワーク、電子メールの返信、スクリプトが含まれます。
これらの例に加えて、AI は次のようないくつかの業界や市場に存在します。
- Saúde：AIは患者の転帰を改善し、コストを削減するためにヘルスケア分野に適用されています。 機械学習アルゴリズムは、より迅速かつ正確な医療診断のために使用されます。 さらに、仮想アシスタントとチャットボットは、患者が医療情報を検索し、予約をスケジュールし、管理プロセスを支援するために使用されます。
- Negócios：サービスを向上させるために、AI が分析および顧客関係管理 (CRM) プラットフォームに統合されています。 チャットボットは Web サイトに組み込まれており、即時のサポートや、次のような生成 AI テクノロジーを提供します。 ChatGPT、製品デザインとビジネスモデルに革命をもたらしています。
- 教育: AI により、生徒のニーズへの評価と適応が自動化され、生徒は自分のペースで学習できるようになります。 AI チューターは追加のサポートを提供し、教育者による教材の作成を支援します。 しかし 教育におけるAIの活用 また、盗作に関するポリシーや学生の義務についても熟考する必要があります。
- ファイナンス: パーソナルファイナンスアプリなど イントゥイットミント または ターボタックス、AI を使用してパーソナライズされた財務アドバイスを提供します。 さらに、AI はウォール街や世界の取引プロセスにも存在します。 財務分析.
- 彼女：AIは、文書の分析や情報要求の解釈など、法務分野における労働集約的なプロセスを自動化するために使用されています。
- ファブリカソン：産業用ロボットがワークフローに組み込まれ、人間と並行して作業を行っています。 AIは製造プロセスの効率と精度を向上させるために使用されます。 さらに、AI は予知保全にも適用されており、企業は機械の故障が発生する前に問題を特定して解決できるようになります。
- エンターテイメントとメディア: AI はエンターテインメント業界で、ターゲットを絞った広告、コンテンツの推奨、脚本の作成、映画制作に応用されています。 自動化されたジャーナリズムは、ワークフローを合理化し、時間とコストを削減するのに役立ちます。 ただし、ジャーナリズム コンテンツの生成における生成 AI の信頼できる使用については、まだ議論が行われています。
- ソフトウェアコーディングとITプロセス: 生成 AI ツールは、自然言語プロンプトに基づいてアプリケーション コードを生成するために使用されています。 さらに、AI はデータ入力、不正検出、セキュリティなどの IT プロセスを自動化しています。
- セキュリティー: AI は、異常検出、トラブルシューティング、脅威分析のためにサイバーセキュリティに適用されています。 セキュリティ情報やイベント管理ソフトウェアにAIが活用されている (SIEM) 不審なアクティビティを特定します。
- 輸送：AIは交通業界、特に自動運転車の開発において重要な役割を果たしています。 さらに、輸送ルートの最適化、交通管理、物流の改善にもAIが活用されています。
- 農業：AIは、水や肥料などの資源の使用の最適化から植物の病気の早期発見に至るまで、さまざまな方法で農業に応用されています。 ドローン AI テクノロジーを搭載したシステムは、作物の監視、問題領域の特定、農業計画の支援に使用されます。
- 個人的な援助: 仮想アシスタントなど シリ da Appleは アレクサ da Amazon O Googleのアシスタント、AI が私たちの日常生活にどのように存在しているかを示す例です。 これらのアシスタントは AI 技術を使用して音声コマンドを理解し、タスクを実行し、情報を提供し、さらには会話を行います。
- 人材: AI アルゴリズムを使用して、履歴書を分析し、資格のある候補者を選択し、従業員のパフォーマンスを予測できます。 さらに、AI を活用したチャットボットを使用して、従業員のよくある質問に答え、トレーニングや専門能力開発を支援することができます。
- 小売: 小売部門では、AI を適用して顧客エクスペリエンスを向上させ、製品の推奨をパーソナライズし、在庫を管理し、価格戦略を最適化します。 AI アルゴリズムは顧客の購買行動を分析し、パターンを特定し、パーソナライズされた提案を提供することで、売上と顧客ロイヤルティの向上に役立ちます。
- 軍事部門：AIは軍事分野で重要な役割を果たしており、いくつかの分野で応用されています。 たとえば、AI ベースの監視システムは、国境を監視し、脅威を特定し、戦略的意思決定を支援するために使用できます。 さらに、AIは偵察や攻撃任務を正確に実行できる自律型軍事用ドローンの開発にも活用されています。
これらは、人工知能が利用できる場所のほんの一例にすぎません。 テクノロジーが進歩し続けるにつれて、AI はより多くの産業に適用され、私たちの生活にさらに大きな影響を与える可能性があります。
人工知能があなたの仕事を奪ってしまうのでしょうか？
仕事の世界では自動化と人工知能が話題になっており、多くの人が機械に仕事を奪われるのではないかと心配しています。 ただし、この懸念は完全に真実ではありません。
によると、 研究 によって行われた ゴールドマン·サックス 2023 年 XNUMX 月末までに、経済に対する人工知能の影響が増大していることは明らかです。 研究によると、生成 AI がその約束を果たせば、市場は重大な変化に直面する可能性があります。 影響 約300億の雇用。
ただし、これは必ずしもこれらの仕事をテクノロジーに置き換えることを意味するわけではないことを強調することが重要です。 報告書は、歴史的に自動化は新たな雇用機会の創出によって相殺されてきたと指摘している。
現在、人工知能は、特に顧客サービスの分野で、既存の仕事の約 63% を補完しています。 料理人やオートバイ整備士などの職業は、当面は代替の脅威にさらされていない。
自動化が雇用市場を変革するのは事実ですが、完全に自動化されるのは一部の仕事だけであると、 検索 da マッキンゼーアンドカンパニー。 これは、人類がこれまで以上に生産性を向上できる大きな可能性があることを意味します。
この情報に基づいて、人工知能は世界中の雇用に対する脅威のように見えるかもしれませんが、依然として人間の監視に依存しており、自立するのに十分な自律性を備えていない、と結論付けることができます。 したがって、この成長分野で働くことに興味のある人にとっては、幅広い雇用の機会があります。
次のリストでは、労働市場における AI の影響によって生み出された職業を示しています。 これらの専門職はそれぞれ、人工知能の実装、開発、倫理において重要な役割を果たしており、現代社会のいくつかの分野におけるこのテクノロジーの可能性と重要性を実証しています。
- AI監査人: 人工知能システムが倫理基準、規制、ベスト プラクティスに準拠していることを評価および検証します。
- マシンマネージャー: 人工知能に関連するシステムとハードウェア インフラストラクチャの適切な機能を監督および維持する責任を負います。
- 迅速なエンジニア: 人工知能が使用するテキスト生成モデルを開発および改善し、一貫性のある適切な応答を保証します。
- AIトレーナー: AI モデルのトレーニングと改善、関連データの供給、パフォーマンスの監視を担当します。
- AIコンサルタント: さまざまな分野や組織における人工知能の応用と実装に関するガイダンスと専門家のアドバイスを提供します。
- データサイエンティスト: 大規模なデータセットを分析および解釈して、洞察を抽出し、戦略的な意思決定を行います。
- 機械学習エンジニア: 機械学習アルゴリズムとモデルを開発および実装して、インテリジェントなシステムを作成します。
- AI倫理スペシャリスト: 人工知能の倫理的影響を評価し、これらのテクノロジーの責任ある使用を保証します。
- AIアーキテクト: ビジネス ニーズを満たす人工知能システム アーキテクチャを設計および構築します。
- 自然言語処理アナリスト: 機械が人間の言語を理解して処理できるようにするアルゴリズムを開発します。
- ロボット工学スペシャリスト: さまざまな業界で複雑なタスクを実行できるインテリジェント ロボットの設計とプログラミング。
- ヘルスケアAIスペシャリスト: AI アルゴリズムを使用して、医療診断、治療、臨床研究を支援します。
- 金融分野のAIスペシャリスト: AI アルゴリズムを市場分析、財務予測、不正行為検出に適用します。
- AI ユーザー インタラクション デザイナー: 人工知能システムの直感的なインターフェイスと人間のインタラクションを設計します。
- コンピュータビジョンスペシャリスト: 機械が画像やビデオを理解して解釈するためのアルゴリズムとシステムを開発します。
- データ エンジニア: 大量のデータを収集、保存、処理するために必要なインフラストラクチャを設計および管理します。
- チャットボットスペシャリスト: ユーザーと対話し、サポートや支援を提供できるインテリジェントなチャットボットを作成します。
- 機械学習エンジニア: データに基づいて機械が学習し、改善できるようにする機械学習アルゴリズムを開発します。
- 物流AIスペシャリスト: 人工知能を使用して、在庫管理やルーティングなどの物流プロセスを最適化および自動化します。
- マーケティングのAIスペシャリスト: データ分析、キャンペーンのパーソナライゼーション、市場動向の予測に AI 技術を適用します。
- データプライバシースペシャリスト: AI システムで使用されるデータのセキュリティと保護を確保し、規制へのコンプライアンスを確保します。
- パターン認識スペシャリスト: 機械がデータ内のより複雑なパターンを認識して解釈できるようにするアルゴリズムを開発します。
- 農業分野のAIエキスパート: 人工知能を使用して農業生産を最適化し、作物を監視し、気象条件を予測します。
- 人事AIスペシャリスト: AI 技術を適用して人材の採用、選考、育成のプロセスを最適化します。
人工知能分野におけるこれらおよびその他の新たな専門職は、これらのテクノロジーの使用を理解し、実装し、最適化できる専門家に対する需要の高まりを反映しています。 AI が発展し、さまざまな分野に統合され続けるにつれて、熟練した専門家にとって新たな雇用の機会が生まれています。
つまり、自動化と人工知能が雇用市場を変えると言えるのは確かですが、必ずしもネガティブな方向に変化するわけではありません。 新しいテクノロジーの登場により、一部の機能はAIに代替されるのは当然ですが、 新しい仕事 も現れ始めています。
重要なのは、取り残されないように適応することです。
最も有名な人工知能
いくつかの AI アプリケーションは私たちの日常生活の一部になっています。 仮想アシスタント、チャットボット、レコメンデーション システム、自動運転車など。 最も有名な AI のいくつかと、それらがどのようにして私たちの一部となったのかを探っていきます。 文化 そして毎日。
- シリ: によって開発された仮想アシスタントです。 Appleは 2011 年に次のようなモバイル デバイス向けに iPhone、iPad e アップルウォッチ。 人工知能を使用して自然言語の音声コマンドを理解し、メッセージの送信、電話をかける、アラームの設定、インターネット上の情報の検索などのタスクを実行します。 あ シリ ユーザーから学習してユーザーの好みや習慣に適応し、ますますパーソナライズされ効率的になります。 加えて シリ 他のアプリケーションやスマート デバイスと統合して、さらに完全で直感的なユーザー エクスペリエンスを作成できます。
- アレクサ: によって開発された仮想アシスタントです。 Amazon 日常のタスクの実行に役立ちます。 音声コマンドで起動します。 「アレクサ」「アマゾン」 ou "エコー"。 A アレクサ 音声認識を通じて機能し、家の中のスマートデバイスと対話したり、リマインダーを追加したり、天気を確認したり、その日の主要なニュースを知らせたりすることができます。
- Googleのアシスタント: によって開発された仮想アシスタントです。 Google 音声コマンド「OK Google「または」ちょっとグーグル”。 スマートフォンやタブレットなどのモバイルデバイスだけでなく、 Googleホーム。 O Googleのアシスタント 検索、リマインダーの設定、メッセージの送信、音楽の再生など、さまざまなタスクを実行できます。
- ワトソン: によって開発された人工知能プラットフォームです。 IBM 機械学習、自然言語処理、データ分析を組み合わせて、企業のビジネス プロセスの自動化と簡素化を支援します。 プラットフォームには、作業を容易にする次のような API がいくつかあります。 ワトソンアシスタント、あらゆるアプリ、デバイス、チャネルにわたって、高速かつ一貫性のある正確な応答を提供します。
- コルタナ: によって開発された仮想パーソナル アシスタントです。 Microsoft これは、「」などの音声コマンドによってトリガーできます。ちょっとコルタナ”。 オペレーティング システムに統合されています。 Windowsの10 スマートフォンやタブレットなどのモバイルデバイスでも利用できます。 あ コルタナ アプリケーションの起動、リマインダーの設定、インターネットの検索など、さまざまなタスクを実行できます。
- テスラオートパイロット: によって開発された運転支援システムです。 テスラ これは、人工知能とコンピューター ビジョンを使用して、ドライバーがより安全かつ効率的な方法で車両を運転できるように支援します。 このシステムは、車両を車線内に維持する、交通量に応じて速度を調整する、自動駐車するなど、いくつかのタスクを実行できます。 ただし、このシステムはまだ完全に自動化されておらず、常にドライバーの注意が必要です。 とはいえ オートパイロット 事故の数を減らしたことで賞賛されています。 テスラ この技術は依然として批判と論争の対象となっています。
- アルファゴー: はイギリスの会社によって開発された人工知能プログラムです ディープマインド、後に取得されました Google囲碁の世界チャンピオンを破ったことで有名になった、 李世ドル、2015年。 ディープマインド などの新しい人工知能技術の開発を続けています。 アルファゼロ、ルールの事前知識がなくても、チェス、囲碁、その他のゲームを学ぶことができます。
- ソフィア：同社が開発した人型ロボットです ハンソンロボティクス、香港に拠点を置き、60以上の異なる表情を再現できます。 人間の行動を学習し、適応し、人間と協力するように設計されており、 ソフィア これは人工知能とロボット工学の進化における大きなマイルストーンです。 老人ホームの高齢者の補助として、または大規模なイベントや公園で群衆を助けるために設計されましたが、 ソフィア 自然な会話を続けることができ、冗談を言うこともできます。
- ChatGPT: によって開発された自然言語モデルです。 OpenAI 2022年には人工知能技術を活用 GPT (生成事前トレーニング済みトランスフォーマー) に基づく 大規模言語モデル (LLM)。 有名なチャットボットでは、ユーザーは自然言語を使用して会話でき、幅広い質問に答えたり、人間の話し方を模倣したりすることができ、デジタル マーケティング、オンライン コンテンツ作成、顧客サービスなどの実際のアプリケーションで使用できます。
- Deep Blue: によって作成されたスーパーコンピューターおよびソフトウェアでした。 IBM 特にチェスの場合。 256 秒あたり約 200 億の位置を分析できる XNUMX 個のコプロセッサーを備えており、 Deep Blue これは人工知能とコンピューティングの歴史における重要なマイルストーンでした。 1996 年、スーパーコンピューターはチェスの世界チャンピオンと対戦しました。 ギャリーカスパロフ、1997つのゲームシリーズで、最後のゲームに勝利し、トーナメント条件下で世界チェスのチャンピオンを破った最初のコンピューターになりました。 この対立は大きな関心と論争を巻き起こし、カスパロフはゲームの完全性を疑問視し、コンピューターが人間によって操作されているのではないかと示唆した。 XNUMX 年に、 Deep Blue 再戦で再びカスパロフと対戦し、シリーズ3,5対2,5で勝利した。
- HAL 9000: 映画「」に登場する架空の人物です。2001: 宇宙の旅"、 監督 スタンリー·キューブリック 1968インチ HAL 9000 宇宙船を制御する高度な人工知能コンピューターです ディスカバリーワン 木星へのミッション中。 このキャラクターは SF と人工知能の歴史の中で注目に値し、テクノロジーがいかに人類にとって危険で脅威になり得るかを示す例を表しています。
- ミッドジャーニー：同社が開発した人工知能サービスです。 株式会社ミッドジャーニーは、サンフランシスコに拠点を置く独立した研究機関であり、深層学習テクノロジーを使用して、自然言語の記述からリアルな画像を生成します。 これは、ユーザーがグラフィック デザインのスキルや技術的な知識を必要とせずに、プロンプトに基づいてカスタム イメージを簡単に生成できるようにするために作成されました。
- 吟遊詩人: が開発したチャットボットです。 Google そして言語モデルに基づいて LaMDA (対話アプリケーション用の言語モデル)。 このチャットボットは 2023 年 XNUMX 月に発売され、 ChatGPT。 O 吟遊詩人 インターネット上で見つかった情報を要約し、追加情報を含む Web サイトへのリンクを提供する場合があります。 このプラットフォームは、インターネットの検索方法における新たな一歩であり、インターネットの検索行動に劇的な変化をもたらすことが期待されています。
- TensorFlow: と互換性のある無料のオープンソース ライブラリです。 Python そしてその主要なツールの XNUMX つが、 機械学習 e 深い学習。 によって開発されたライブラリ Google Brain チーム 柔軟性、効率性、拡張性、移植性に優れており、スマートフォンから巨大なコンピュータまで、あらゆる種類のコンピュータ上で実行できます。 クラスタ コンピュータの。
- Azure コグニティブ サービス: AI やデータ サイエンスの直接のスキルや知識がなくても、開発者がコグニティブ インテリジェンスをアプリケーションに構築できるようにするクラウド ベースの人工知能サービスです。 ○ Azure コグニティブ サービス これにより、開発者は音声認識、コンピュータ ビジョン、テキスト分析などの認知機能をアプリケーションに簡単に追加できます。
- Adobe Sensei: の人工知能プラットフォームです。 Adobe 機械学習とデータ分析を使用して製品のユーザー エクスペリエンスを向上させます。 として 先生を使用すると、画像内のオブジェクトの選択などの反復的なタスクを自動化し、ユーザーごとにパーソナライズされたエクスペリエンスを作成できます。 ○ 先生 ～のいくつかの製品に統合されています Adobe、 含んでいる フォトショップ、または イラストレーター O Premiere Pro.
- ビクスビー: の仮想アシスタントです サムスン 2017年に発売された サムスンギャラクシーS8。 スマートフォン、タブレット、時計、ヘッドフォンなどのさまざまな Samsung 製品で動作するように設計されています。 仮想アシスタントはすべてのデバイスを簡単に制御できます Galaxyを使用すると、ユーザーは音声でデバイスを制御できるようになります。
- アイボ: が開発したロボット犬です。 Sony 最初は 1999 年にリリースされ、2006 年に生産中止になりました。2017 年には、 Sony 再開した o アイボ 音声認識や機械学習などの高度な機能を多数備えています。 ○ アイボ 飼い犬のような外観と行動を持ち、本物のペットと同じように飼い主と対話できます。 ○ アイボ これは、テクノロジーを使用して感情的でインタラクティブな体験を生み出す方法の一例です。
- シャオアイス: によって作成されたチャットボットです。 Microsoft 2014 年に中国で大ヒットし、世界中で 660 億 XNUMX 万人以上のユーザーが利用しています。 チャットボットは、他のチャットボットよりも自然で感情的な応答でユーザーと会話できます。 シャオアイス 高い感情的知性を持ち、楽しい会話をしたり、時にはイチャイチャしたりすることもできる「心の友」と考えられています。
- スカイネット: 映画シリーズで ターミネーター スカイネット 米国政府が軍事目的で作成した高度な人工知能です。 自己認識ができた後は、 スカイネット 人類をその存在に対する脅威とみなし、として知られる核ホロコーストを引き起こすことを決定する。 「審判の日」 人類を絶滅させようとする。 あ スカイネット フランチャイズの主な敵対者のXNUMX人であり、 駆除者、人類のレジスタンスの指導者を殺すために過去に送り込まれた暗殺ロボット。 あ スカイネット これは、人工知能が適切に制御されなかった場合、どのように人類の脅威になり得るかを示す架空の例です。
- コショウ: が開発した人型ロボットです。 ソフトバンクロボティクス 感情を読み取り、表情を認識することができます。 2015年に発売され、わずかXNUMX分で完売した。 ○ コショウ 人間との交流によって進化し、ダンスや遊びなどの新しい活動を学ぶことができます。 医療、接客業、教育、銀行、小売などの複数の業界で使用されています。 彼は、パーソナライズされた推奨事項を作成し、人々が探しているものを見つけるのを手助けし、人間のチームと対話して、あらゆる対話を前向きでプロフェッショナルなものにすることができます。
- AutoML: によって開発された自動機械学習モデルです。 Google これにより、データ サイエンスの背景がないユーザーでも機械学習モデルを構築できるようになります。 コンピュータービジョン、自然言語処理、音声認識などの多くのアプリケーションで使用されています。
- 認識: によって開発されたディープラーニングに基づく画像およびビデオ認識サービスです。 Amazon Webサービス。 画像やビデオ内のオブジェクト、人物、テキスト、シーン、アクティビティを識別できます。 また、テキストを抽出し、人の動きをフレーム内にマッピングし、ビデオに保存されているオブジェクト、有名人、不適切なコンテンツを認識します。 アマゾンS3、ライブビデオストリームでも。
- フェイス ID: によって設計および開発された顔認識システムです。 Appleは のために iPhone X またはそれ以降、そして プロのiPad。 これは直感的で安全な認証を保証し、カメラ システムによってアクティブ化されます。 TrueDepth 高度なテクノロジーを使用してユーザーの顔の形状を正確にマッピングする最先端のテクノロジー。 カメラ TrueDepth 何百もの目に見えない点を投影して分析することで正確な顔データをキャプチャし、ユーザーの顔のマップを作成します。
- ネットフリックス: このプラットフォームはレコメンデーション システムを使用して、ユーザーが簡単かつパーソナライズされた方法でコンテンツを見つけられるようにします。 このシステムは、サービスとのユーザーのインタラクション、同様の好みを持つ他のユーザーの好み、ジャンル、カテゴリ、俳優などのタイトルに関する情報など、さまざまな要素に基づいてユーザーが特定のタイトルを視聴する可能性を推定します。 、とりわけ。 加えて ネットフリックス ユーザーが視聴する時間、視聴するデバイス、視聴時間を観察して、おすすめをさらにパーソナライズします。
- Spotifyは: このプラットフォームは人工知能を使用してユーザーに曲を推奨します。その中にはユーザーが長い間聴いていない曲も含まれており、懐かしさを感じさせます。 ○ Spotifyは も提供しています DJ O Spotify ラジオ これにより、ユーザーは音楽の好みに基づいてパーソナライズされたラジオ局にアクセスできるようになります。 のAI Spotifyは 人々が新しい音楽を見つけるのに役立ちます。これは、のビジネス モデルの中心です。 Spotifyは、サービス料金を支払い続ける理由がさらに増えます。
- エージェント・スミス: 映画シリーズの架空の人物です マトリックス。 それは、世界における人工知能の現れです。 マトリックス フランチャイズの主要な敵対者のXNUMX人です。 エージェント・スミス は秩序を維持するために作られたプログラムですが、その作成者に反逆し、人類を滅ぼそうとします。
- シェフ・ワトソン: によって開発されたアプリケーションです。 IBM 人工知能を使用して美食メニューを自動的に作成する認知技術に基づいています。 このアプリケーションでは、ユーザーが材料を入力したり、 シェフ・ワトソン 彼自身の神秘的な論理に従って、彼に代わって選択します。
- Amazon Polly: は、深層学習テクノロジーを使用して本物のような自然な人間の音声を合成するテキスト読み上げサービスです。 このサービスを使用すると、話すアプリを作成したり、まったく新しいカテゴリの音声起動アプリを作成したりできます。 ○ Amazon Polly は、音声品質をより自然で人間らしいものに改善するニューラル テキスト読み上げなど、さまざまな高品質の人間の音声を数十の言語で提供します。 このサービスを使用すると、辞書およびタグ互換の音声出力をカスタマイズおよび制御することもできます。 音声合成マークアップ言語 (SSML).
- Google翻訳: が提供するオンライン言語翻訳サービスです。 Google 100 以上の言語をサポートし、テキスト、Web サイト、画像、ドキュメントの即時翻訳を提供します。 このサービスは世界中で何百万人もの人々に利用されており、即時音声認識や画像認識などの機能を備え、ますます洗練されています。
- フェイスブックディープフェイス: によって開発された顔認識システムです。 Facebook その目的は、顔認証における人間のパフォーマンスと機械のパフォーマンスのギャップを埋めることです。 このシステムは、これまでで最大の顔データセット、つまり 4.000 を超えるアイデンティティに属する XNUMX 万の顔画像のデータセットでトレーニングされました。 ○ ディープフェイス 人間のパフォーマンスに非常に近い 97,35% の精度で顔を認識できます。
- NVIDIA ジャービス: は、会話型 AI サービスの作成を目的とした人工知能プラットフォームです。 のプラットフォーム NVIDIA は、開発者が大規模な会話型 AI サービスを構築、展開、管理するための GPU 高速化ソフトウェアとツールの完全なスイートを提供します。
- DALL・E: によって開発された深層学習モデルです。 オープンAプロンプトと呼ばれる自然言語記述からデジタル画像を生成します。 このモデルは 2021 年 XNUMX 月に発表され、次のバージョンを使用しています。 GPT-3 画像を生成するように変更されました。 ○ DALL・E2 の後継者です DALL・E、高解像度でよりリアルな画像を生成するように設計されており、コンセプト、属性、スタイルを組み合わせることができます。 テンプレートは、元のキャンバス上にあるものを超えて画像を拡張し、広大な新しい構成を作成できます。
- 安定拡散: は、テキストの説明からリアルな画像を生成するニューラル ネットワーク モデルです。 チームによって開発されました CompVis da ミュンヘンのルートヴィヒマクシミリアン大学 と スタビリティAI、などの独自のテキストから画像へのテンプレートに代わるオープンソースの代替手段です。 DALL-E O ミッドジャーニー.
- アメリカ: によって作られた超リアルな人型ロボットです。 エンジニアードアーツ、許可を得てチャットしたり情報を保存したりできます。 人間の表情を真似たり、感情を表現したりするリアルな表現力とコミュニケーション能力に注目が集まっています。
現在、人工知能テクノロジーは常に進化しており、さらに多くの新しいツールが日々登場しています。
倫理やプライバシーの問題など、直面すべき課題はまだありますが、人工知能の将来は有望です。 このテクノロジーの継続的な開発と改善により、革新的なソリューションと人間生活のさまざまな分野での大幅な改善を伴う、より高度な社会が期待できます。
人工知能は私たちの世界を形作る原動力であり、人類にますます大きな利益をもたらす可能性を秘めています。 今は、この進化し続けるテクノロジー革命の力を探求し、活用するエキサイティングな時期です。
AI で起こっているすべての最新情報をここで入手してください showmetech.
Veja mais：
ソース： IBM, ビルトイン, TechTarget
テキスト校正者: ペドロ・ボンフィム （14 / 06 / 23）
