人工知能の問題点 その2

AI

※ G検定についてのまとめ記事はこちら
https://www.simulationroom999.com/blog/jdla-deep-learning-for-general-2020-1/

スポンサーリンク

はじめに

前回の続き。
ただし、今回の問題点はディープラーニングにより解決されているものも含まれる。

  • 知識獲得のボトルネック
  • 特徴量設計の問題
  • シンギュラリティ(技術的特異点)
知識獲得のボトルネック、ルールベース機械翻訳、統計的機械翻訳、ディープラーニング、シンギュラリティ、技術的特異点、特徴量設計の問題、ニューラルネットワーク自身が複数のステップを学習
スポンサーリンク

知識獲得のボトルネック

機械翻訳の歴史は以下となる。

  • 1970年代後半:ルールベース機械翻訳
  • 1990年代以降:統計的機械翻訳
    • コンピュータが「意味」を理解しているため、この段階ではまだ実用レベルではない。
    • 人間が持っている一般常識が膨大。
      • これを知識獲得のボトルネックと呼ぶ
  • 2016年:ディープラーニングのニューラル機械翻訳はこの問題を乗り越えた
    • TOEIC900点以上相当。
スポンサーリンク

特徴量設計の問題

特徴量とは、注目すべきデータの特徴を量的に表したものであり、これの選び方が性能に大きく影響する。
正しい特徴量を見つけ出すのは非常に困難であったが、機械学習自身に特徴量を発見させるアプローチとして、特徴表現学習でうまく対策している。
ディープラーニングはそれの一つになる。
また、ニューラルネットワーク自身が複数のステップを学習するため、その一部に特徴表現学習を組み込むのは比較的容易と言える。

スポンサーリンク

シンギュラリティ(技術的特異点)

シンギュラリティ(技術的特異点)とは、以下を指し示す。

人工知能が十分に賢くなり、自分自身よりもエライ人工知能を作るようになった瞬間、無限に知能の高い存在を作る。

未来学者レイ・カーツワイルは以下を主張している。

  • 2045年にシンギュラリティと主張
  • 人工知能が人間よりも賢くなる年は2029年と主張
※ 特異点=ある基準が適用できなくなる点
スポンサーリンク

まとめ

  • 解決していない問題はあるが、ディープラーニングにより解決した問題も多い
  • シンギュラリティ(技術的特異点)はもうすぐ。

コメント

タイトルとURLをコピーしました