【G検定の学習】人工知能(AI)の定義と分類を整理!

  • このエントリーをはてなブックマークに追加

日本ディープラーニング協会JDLAが主催するG検定合格を目標に、シラバスに記載されている「人工知能(AI)とは?(人工知能の定義)」について学習した内容をまとめます。

こんにちは。wat(@watlablog)です。
G検定対策として学習記録を付けて行きたいと思います!まずは人工知能について定義と分類を調べてみました

※注意
本記事に記載の内容はAI分野初学者の筆者が学習した内容をまとめたものです。必ずしもここに記載の内容が本番のG検定受験時に出ることを保証するものではないことをご理解願います。

G検定の概要と学習のシラバス

G検定とは?

G検定とは、日本ディープラーニング協会JDLAJapan Deep Learning Association)が主催している認定試験です。

JDLA公式ページ:https://www.jdla.org/

この検定に合格すると、「ディープラーニングの基礎知識を有し、適切な活用方針を決定して事業応用する能力を持つ人材」として国内でアピールすることができます。

AI技術者が圧倒的に足りない現代社会において、自社内の評価や転職時のアピール、機械学習を事業に活用したいマネージャクラスの入門として人気のある検定です。

JDLAの目的は「ディープラーニングを中心とする技術による日本の産業競争力の向上」にあり、本検定はその一環のようです。

但し、実際に機械学習・ディープラーニングを実装するエンジニアとしての技量を測る資格は別途「E資格」として用意されているため、このG検定はあくまでディープラーニング活用のための入門であり、広範囲の知識を持つ人を意味するGeneralistジェネラリスト)を目指すという位置づけです。

これに合格すればAI技術者…とはなりませんが、僕のようにAIを専門としていない人が機械学習について体系的に勉強して腕試しをするには丁度良さそうです

学習のシラバスの確認

G検定の出題範囲は、主催者であるJDLAの公式ページに「学習のシラバス」として公開されています。

本記事ではまず第一歩として、シラバス一番上に記載されている「人工知能(AI)とは(人工知能の定義)」の内容を学習します。

学習のシラバスには詳細項目の記載はありませんので、本1冊だけでなく、色々な参考書やWebの情報を収集した内容を個人的にまとめます。

参考書

JDLAからは公式テキストとして「ディープラーニング G検定(ジェネラリスト) 公式テキスト」がオススメされています。

日本ディープラーニング協会が執筆した公式テキスト。最新シラバス「JDLA Deep Learning for GENRAL 2018」に完全準拠しており、各章末には練習問題も。

但し、Amazonのレビューを見ると「読み物や入門書としては良いが、この本だけで合格は無理!」という評価が大多数であったので、実際は結構難しい設問が出るということでしょう。

僕は数多くの問題を解きながら勉強するのが好きなので、まずは問題集として以下の「徹底攻略 ディープラーニングG検定ジェネラリスト問題集」を購入しました。

注目の新資格「G検定」の問題集!業界の第一人者+AI時代の教育機関によるわかりやすい解説!!

この問題集のAmazonレビューは比較的高評価(合格に役立ったという評価が多い)なので、まずはこの本で勉強をし、関連情報をWebで調べ、まとめを当ブログに記そうと思います。

もちろん著作権の関係からこの本の設問は記事には書きませんので、記事にまとめるのはあくまで一般的な内容です。後で本と併用して理解が深まればという思いでまとめます。

人工知能(AI)とは?機械学習との関係

人工知能(AI)の定義

人工知能は、Artificial Intelligenceの頭文字をとって単にAIと呼ばれることが多いですが、調べてみるとその定義はかなり曖昧のようです。

この定義は松尾豊氏の「人工知能は人間を超えるか」という書籍P45によると、計13名の識者が各々の定義を掲げています。

京大の西田氏は「「知能を持つメカ」ないしは「心を持つメカ」」、著者である東大の松尾氏は「人工的に作られた人間のような知能」と表現しています。

人工知能学会からは様々な解釈の共通点をとって「人間と同じ知的作業をする機械を工学的に実現する技術(引用元:人工知能学会:AIとは?)」と表現しています。

正確に定義されているわけではありませんが、知的な作業を工学的に実現ということで、人間のように知的な情報処理をするコンピュータと捉えておいて間違いはないのではと思います。

まだまだ定義は定まっていないけど、研究が進めば今後はしっかりとした言葉の定義がされそうですね。

機械学習とディープラーニングの概要

機械学習の定義

AIと共に語られることの多い機械学習、近年爆発的な人気を示しているディープラーニングという言葉も、今後学習を進めるにあたって意味を把握しておこうと思います。

まず機械学習MLMachine Learning)ですが、こちらはAIと違いよく引用される以下の定義があるようです。

The field of study that gives computers the ability to learn without being explicitly programmed. : Arthr Lee Samuel

(明示的にプログラミングすることなく,コンピュータに 学ぶ能力を与えようとする研究分野:アーサー・リー・サミュエル)

変わりゆく機械学習と変わらない機械学習
:https://www.jps.or.jp/books/gakkaishi/2019/01/74-01seriesAIphys2.pdf

この引用文はアーサー・リー・サミュエルArthr Lee Samuel)というアメリカの計算機科学者が1959年に一般紙のインタビューで答えた内容です。それが様々な研究者に引用される文になったということ。

このサミュエル氏は機械学習を用いたチェッカープログラム(チェスゲームの対戦プログラム)を作り、レベルの高いアマチュアと互角に戦えるプログラムに仕立てたことも有名です。

G検定では、このような人物情報発言年代功績に関する問題も出題されるらしいのでしっかり把握しておきます!

ディープラーニングについて

当WATLABブログでは、「ディープラーニングにおける活性化関数をPythonで作る!」で下図のようなニューロンモデルを紹介しました。

ニューロンモデル

このニューロンモデルを入力層中間層隠れ層とも呼ばれる)、出力層というように多層にすることでニューラルネットワークモデルが完成します。

ニューラルネットワーク

このように多層にすることで、単一のニューロンでは表現できないことも表現できるようになります

この中間層をさらに多層に繋げることで、ディープニューラルネットワークを構築することができます。 このディープニューラルネットワークを用いた機械学習が深層学習(ディープラーニングということになります。

ディープニューラルネットワーク

別記事で後述しますが、機械学習の性能を競うILSVRCというコンペティションでは、22層や152層ものディープニューラルネットワークが使われたそうです。

AIの各領域定義

ここで言葉の整理をします。定義が曖昧な人工知能(AI)と機械学習(ML)、ディープラーニング(DL)の各関係は以下の図で説明することができます。

AIの領域

各用語は別個で存在するのではなく、全て人工知能の領域に内包されているのですね。そして機械学習の1つの手法に深層学習があることがわかりました。

人工知能の分類

フレーム問題とAI

人間は何か物事に取り掛かる時に、これから取り掛かる物事に関連したことを考えて作業を開始します。

実はこの時、人間はほぼ無限に考えられる可能性の中からこれから行う作業に関連したことだけを抽出しているので、無限にある可能性からの探索を自然に行っていると言えます。

コンピュータは無限の可能性からの探索を行おうとすると、無限の時間がかかってしまう問題を抱えています。これをフレーム問題と呼び、1969年にマッカーシーとヘイズが指摘(J.McCarthy and P.J.HayesSome philosophical problems from the standpoint of artificial intelligence, Machine Intelligence, vol.4, pp.463-502 (1969))したAI最大の問題であるとされています。。

フレーム問題について、人工知能学会がわかりやすい例を用いて説明をしていますので、イメージはそちらで掴むことができると思います。

フレーム問題は,今からしようとしていることに関係のあることがらだけを選び出すことが,実は非常に難しいという問題です.哲学者のデネットが次のような例を用いてこのフレーム問題の説明しました.

人工知能学会:フレーム問題:https://www.ai-gakkai.or.jp/whatsai/AItopics1.html

一般に、このフレーム問題を解決出来ないAIのことを弱いAIWeak AI)、フレーム問題を乗り越えたAIを強いAIStrong AI)と呼びます。強いAIは人間のようにあらゆる問題に適切に対応できると考えられています。

他にも、囲碁や将棋・チェスといったゲーム、車の自動運転、薬剤の処方…といった特定の仕事のみを行うAIを特化型人工知能Narrow AI)、人間と同じように様々な問題に汎用的に取り組めるAIを汎用人工知能AGIArtificial General Intelligence)と呼んで分類することもあります。

汎用人工知能はフレーム問題を乗り越える必要がありますが、特化型AIにはフレーム問題は生じません。

ドラえもん、鉄腕アトム、コロ助はAGIですね。マンガではフレーム問題を解決する描写はありませんが、現実世界でもいずれ乗り越える日が来るのでしょうか?

まとめ

本記事からG検定のための学習記録として、JDLA公式ページに記載のシラバスに沿った項目の調査を開始しました。
まとめている内容は一般的に言われていることですが、整理すると理解が深まると思います。

以下に本記事のまとめ・キーワードを抜粋します。
・AIの定義
 定義自体は曖昧だが、「人間のように知的な情報処理をするコンピュータ」と捉えても問題はない。
・機械学習の定義
 明示的にプログラミングすることなく,コンピュータに 学ぶ能力を与えようとする研究分野。
 アーサー・リー・サミュエルが1959年に発した言葉。
・ディーブラーニング
 ディープニューラルネットワークを使った機械学習・予測手法。
 領域としては、AIの中に機械学習、機械学習の中にディープラーニングが位置する。
・フレーム問題
 人工知能は無限の可能性から関連事項を抽出することが困難なフレーム問題を持ち、この問題を乗り越えているかどうかで強いAI、弱いAIと分類することができる。
 さらに、AIには特化型人工知能と汎用人工知能という分類もできる。

いよいよ人工知能初心者が学習を開始してみました!Twitterでも関連情報をつぶやいているので、wat(@watlablog)のフォローお待ちしています!

  • このエントリーをはてなブックマークに追加

SNSでもご購読できます。

コメント

コメントを残す

*