自律型 AI は、もはや遠い夢ではありません。近年、自分で考えることができるロボットの開発が大幅に進んでいます。機械学習、自然言語処理、コンピューター ビジョンの進歩により、自律型 AI が現実のものとなりました。自動運転車から複雑な環境をナビゲートできるドローンまで、これらのインテリジェント マシンは私たちの生活と仕事の方法を変革します。
Autonomous AIとは？
自律型 AI は、組み込みプログラムに依存して、設定されたコンテンツの通信または提供を行うマシンです。これにより、車両やその他のデバイスは、人間の誘導なしで自律的に拡張操作シーケンスを実行できます。人工知能 (AI) は、すでに多くの単純なタスクを実行するのに役立っています。自律型 AI は、人間の関与なしに現実世界で物事を行うことができます。例としては、自動運転車、チャットボットなどがあります。
2020 年の国家人工知能法では、人工知能 (AI) について次のように説明されています。
「『人工知能』という用語は、人間が定義した特定の一連の目的に対して、実環境または仮想環境に影響を与える予測、推奨、または決定を行うことができる機械ベースのシステムを意味します。」
2020 年の国家人工知能法
自動運転車は最も身近なものです。しかし、研究者が AI を使用して車両の機能を調査する場所は他にもあります。 AI が飛躍的に進歩するにつれて、自動運転 AI がさらに多くの仕事を奪う可能性があります。これらには、飛行機の飛行、貨物の配達、場合によっては救急車の運転が含まれます。一部の研究者は、自律型 AI が人間よりも効率的かつ安全に仕事を行う可能性があることも発見しました。
自律モードの AI は予想以上に複雑です。研究者は、より多くのタスクに対してより多くのアルゴリズムを取得するために、より多くの段階的な戦略を開発および構築する必要があります。これは、この機能を拡張するという目標を達成する方法です。私たちは、AI を通じてこれまで以上に多くの能力を獲得できます。
自律型 AI には戦略的思考が必要です。この思考アプローチは、AI のさまざまな成功したアプリケーションを網羅しています。典型的な例がたくさんあります。例としては、マシン ビジョンや音声認識アルゴリズムなどがあります。それらはすべて特定の瞬間に焦点を当てています。ユーザーは、データベースにアクセスして、必要なすべてのデータを検索することもできます。私たちの知る限り、ほとんどの機械学習アプリケーションは、ほぼすべての可能な結果のトレーニング セットを使用しています。
これらの AI 自律運用では、将来発生する可能性のある潜在的な結果を想像する必要があります。起こりうる問題を予測し、対応する行動方針を設定する必要があります。このようにして、危険の可能性を減らすのに役立ちます。また、AI の速度やその他の要因を改善することもできます。これらの AI にチェスのプレイを学習させることができます。チェスをすることは、AI にとっても人間にとっても最高のトレーニング方法です。
多くの自律型デバイスは、人間にとって優れたヘルパーになっています。テストに合格した道路やツールのデジタル マップは、その最良の例です。それらを使用して、特定の場所への最適なルートを見つけることができます。ソナー センサーとカメラの使用は、人々が潜在的な危険を検出するのに役立ちます。
自律型 AI の歴史
自律型 AI の歴史は、人工知能の概念が最初に導入された 1950 年代にさかのぼります。しかし、自律型ロボットが登場し始めたのは 1980 年代になってからのことです。最初の自律型ロボットは、1985 年に MIT のロドニー ブルックス教授によって開発されました。チンギスと呼ばれるこのロボットは、環境をナビゲートし、単純な一連のルールを使用して障害物を回避できました。それ以来、自律型 AI は進化を続けており、研究者はこれらのシステムをトレーニングするためのますます複雑なアルゴリズムと機械学習技術を開発しています。今日、自律型 AI は、自動運転車からドローン、医療機器まで、さまざまな業界で使用されています。
このビデオは、米国国務長官のアンソニー・ブリンケンの人工知能に関する見解を示しています。
自律型人工知能はどのように機能しますか?
自律型人工知能は、私たちにとってまだ非常に新しい分野です。多くの研究者が、アルゴリズムを改良し、問題を解決する方法を見つけることに取り組んでいます。自律型 AI の作業は、次のように分類できます。
- 感知層: センサーは、絶え間なく変化する世界のモデルを構築するために使用されます。カメラは、この方向を研究するためのセンサーとしてよく選ばれます。これらのカメラは通常、レーザーやその他の光源からの照明によって制御されます。研究者は、これらのセンサーを使用して、GPS やその他の独立機関から位置情報を取得することもできます。
- 融合層: さまざまなセンサーから取得したこれらの詳細は、単一の完全なビューに編成する必要があります。このビューは、車両の周囲で起こっていることも表す必要があります。この間、オクルージョンにより一部の画像が表示されない場合があります。特定のものを追跡しないものもあります。より一貫した情報を追跡する必要があるかもしれません。これは、センサー フュージョン アルゴリズムが最適な方法です。センサーから収集された詳細を分類し、信頼できるモデルを構築します。このモデルは、計画の後の段階で使用できます。
- 知覚層: システムは、モデルが構築された特定の領域を識別する必要があります。道路、小道、または特定の移動物体であるかどうか。
- 計画レイヤー: 自律型 AI は、構築されたモデルを調査して、前進するための最善の道を見つけます。また、マッピング ソフトウェア、天気予報、交通センサーを通じて追加情報を取得します。
- 制御層: また、その経路を選択して移動するときに、モーターとステアリング システムが障害物によって迂回されないようにする必要もあります。
自律システム AI によって行われた決定情報は、センサーの最上層を介して制御層に送信されます。もちろん、いくつかのフィードバック ループは、情報を下位層から上位層に戻します。このようにして、上記の感知、計画、および認識層を改善するのに役立ちます.
自律システム AI は、外部ソースからデータを取り込むこともできます。自律システムは、2 つのデバイスが相互に通信する場合に特に役立ちます。彼らは「フリート学習」と呼ばれるプロセスで情報を交換します。そして、情報収集と学習の目的を達成します。センサー フュージョン アルゴリズムにより、デバイスは同じ場所にある他のデバイスの履歴を使用できます。また、より多くの情報に基づいた意思決定を行うのにも役立ちます。歩行者などの移動物体を検出する例を使用してみましょう。数秒のビデオを使用して、動いている物体の速度などを判断するのは困難です。これは、その間、人が動かない可能性があるためです。しかし、センサーデータを使用して、その日の早い段階で撮影された同様の画像と比較すると.簡単に結論付けることができます。
これらの AI 自律システムを分類することもできます。その操作に必要な人間の相互作用の量に基づいて、次のタイプに分類できます。
- 直接対話型コンピュータ システム: このシステムは、ほぼ完全にオペレーターによって制御されていると言えます。この人間が操作するプロセスをリモート操作と呼ぶこともできます。このプロセスでは、位置、姿勢、および状態を変更するために人間の入力が必要です。掘削機、クレーン、ドローンがこの種の作業を行っているのをよく目にします。
- オペレータ支援ロボット アプリケーション: ロボットは、特定の高度なタスクを実行するために人間のオペレーターの助けを必要とします。同時に、これらのロボットは特定の活動を実行し、選択を行うことができます。ただし、これらのシステムでは、タスクを完了する前に監視された人間の入力が必要です。
- 完全自律システム: このシステムは、オペレーターの助けなしで長期間の操作を可能にします。遅延が発生する可能性がある、または直接監視が不可能な遠隔地での使用に適しています。
自律性 vs. AI
人工知能と自律性の概念は、実際にはまったく異なります。個別に使用することも、一緒に使用することもできます。それらの違いは次のように表現できます。
人工知能の自律性 = 人工知能 + タスクの完了 = 問題解決
この自律性を備えた人工知能は、自律型ロボットシステムと呼ぶことができます。予測可能な環境で使用できます。それらは、特定の事前に計画された環境でタスクを実行するのに役立ちます。センサーは、ロボットにその位置に関する詳細情報を提供します。自律型ロボット システムは、これらのセンサーによって収集されたデータを使用してタスクを実行できます。それらは、相互作用するすべての人工知能アルゴリズムのすべての可能性をまとめていると言えます。さらに、従来のソフトウェアと AI システムを組み合わせることで、必要な自律システムとデバイスを取得できます。この 2 つを組み合わせることで、学習し、仕事に適応できるようになります。
イェール大学 人工知能について独自の視点を持っています。彼らは、AI は「従来は人間の知性を必要とする方法で複雑なタスクを解決するために構築できるシステム」であると考えています。従来の AI は、ラベル付けされた大量のデータを取り込むことによって、いくつかの結果を検出、整理、および作成します。一例は、特定の車の外観です。ビデオ分析システムは、車がどのように見えるかを理解するために、何千もの車の例を調べる必要があります。そして、これらすべての結果は、データ アナリストと AI エンジニアによって提供され、ラベル付けされる必要があります。
一般に、AI は自律型ロボット システムの作成に役立ちます。それらは、そのテクノロジーを生み出すための効果的なツールとテクニックです。人工知能は、高度に分析的でスケーラブルなタスクを自動的に実行します。一方、自律型 AI は、さまざまなアクションを実行して、人間の助けを借りずに目的の結果を生成します。
弱い AI vs. 強い AI vs. 自律型 AI
人工知能は、弱い、強い、自律性の 3 つのタイプに分類できます。ナロー AI とも呼ばれる弱い人工知能は、特定のタスクまたは一連のタスクを実行するように設計されています。これらのシステムは、事前定義されたルールに従うようにプログラムされており、それらのルールを超えて学習することはできません。弱い人工知能の一般的な例には、チャットボット、音声アシスタント、推奨アルゴリズムが含まれます。
対照的に、強力な AI は、人間ができるあらゆる知的タスクを実行できる仮想的な形の AI です。このタイプの AI は、人間と同じように、あらゆる知的概念を学習して理解することができます。強力な AI は何十年も前から存在していますが、この定義を真に満たすシステムはまだ開発されていません。
前述したように、自律型 AI は一種の 自己認識AI 人間の介入なしに独立して決定を下し、行動することができます。データから学習し、その学習に基づいて意思決定を行うために、機械学習、深層学習、およびその他の手法に依存しています。自律型 AI は、自動運転車から製造業まで、さまざまな業界ですでに使用されています。
弱い AI と強い AI の主な違いの 1 つは、柔軟性のレベルです。弱い AI は特定のタスクを実行するようにプログラムされており、経験から学習することはできるかもしれませんが、再プログラムしない限り新しい状況に適応することはできません。一方、強力な AI は、人間と同じように、新しいタスクや概念を学習して理解することができます。
自律型 AI は強力な AI の一種であり、特別にプログラムされていなくても、新しい状況を学習して適応することができます。ただし、自律型 AI は、そのプログラミングと訓練されたデータによってまだ制限されていることに注意することが重要です。
弱い AI と強い AI にはそれぞれ独自のアプリケーションと課題がありますが、自律型 AI は近い将来に最も関連性が高く実用的な AI の形態です。業界に革命をもたらし、私たちの生活や仕事の仕方を変える可能性がありますが、対処しなければならない重要な倫理的懸念も引き起こします。
自律型 AI の応用
自律型 AI は、多くの業界に革命を起こす可能性を秘めており、そのアプリケーションはすでにさまざまな方法で調査および実装されています。自律型 AI の最も顕著な用途の 1 つは、輸送分野です。自動運転車は、事故を減らし、交通の流れを改善するために、すでに開発とテストが行われています。
自律型 AI は、製造業で効率と生産性を向上させるために使用されています。ロボット システムは、高い精度で繰り返し作業を実行でき、疲れることなく 24 時間体制で作業できます。これにより、コストを削減し、生産量を増やすことができます。
ヘルスケア業界は、特に医療画像処理における自律型 AI の使用も検討しています。 AI システムは、医療画像を高い精度で分析できるため、病気やけがをより早く、より正確に検出するのに役立ちます。
金融では、自律型 AI を使用して財務データを分析し、投資判断を下します。これにより、投資家はデータ主導の洞察に基づいてより適切な意思決定を行うことができます。
軍事では、偵察と監視、および複雑な作戦の計画と実行に自律型 AI システムを使用できます。自律型 AI は、宇宙探査で遠隔地の惑星にあるローバーやその他の機器を制御できます。
自律型 AI は、教育、娯楽、さらには芸術にも応用できる可能性があります。たとえば、AI によって生成された音楽やアートはすでに作成されており、自律型 AI の開発によりさらに洗練される可能性があります。
自律型 AI には限界がある
自律型 AI はまだ比較的新しい技術であり、供給されるデータの精度に依存しています。データが破損しているか不正確であると、マシンの意思決定と動作が損なわれる可能性があります。さらに、機械は人間ほど「枠にとらわれずに考える」ことができない可能性があり、人間の視点が必要な特定のシナリオが存在する可能性があります。最後に、自律型 AI 技術が仕事の代替につながる可能性があると考える人もいます。これは、機械を使用して特定の人間の仕事を置き換えることができるためです。
人間の誘導から独立できるこれらの AI は、すべてのアプリケーションには適していません。これは、一部のアプリケーションでは、最良の結果を定量化するために支援が必要なためです。この場合、AI は自動アドバイザーとして機能するのに適しています。このタスクを実行する際には、これらの無形の要素も考慮する必要があるためです。また、自分が下す決定に対して説明責任を負う必要があります。ですから、AIがすべて自律的に行うと、事故が起こりやすくなります。結局のところ、私たちが負わなければならない結果を考慮せずに、常に事実に基づいて決定を下します。
自律型 AI の倫理と社会への影響
自律型 AI が普及するにつれて、社会への影響に関する倫理的懸念が提起されています。多くの業界が人間の労働者を自律型ロボットに置き換え始めているため、主要な懸念の 1 つは仕事の移動です。さらに、これらのシステムが誤動作したり、人間の価値観や倫理に反する決定を下したりする可能性について懸念があります。たとえば、自律走行車が歩行者に衝突するか、道路から外れて乗客に危害を加える可能性があるかを選択しなければならない状況に直面した場合、どのような決定を下すでしょうか?自律型 AI が進歩し続けるにつれて、これらの複雑な倫理的問題に対処する必要があります。
以上で、自律型人工知能についての理解が深まりました。人工知能の進歩は、私たちにプラスの影響を与えます。自律型人工知能システムを、退屈で危険で汚れた仕事に使用できます。このようにして、必要な作業により多くの時間を費やすことができます。
機械学習について詳しく知りたい場合は、以下をお読みください。
人工知能用語集
機械学習 (ML): データに基づいて予測または決定を行うトレーニング アルゴリズムを含む AI のサブセット。
汎用人工知能 (AGI): 人間のような知性と推論能力を発揮できる AI の仮想的な将来の開発。
ディープラーニング: 複数のレイヤーを持つニューラル ネットワークを使用して、ますます複雑になる特徴をデータから抽出する ML の一種。
自然言語処理 (NLP): 機械が人間の言語を理解し、解釈し、生成できるようにする AI の一分野。
ニューラルネットワーク: データのパターンを認識するために使用される人間の脳の構造をモデルにした一連のアルゴリズムです。
予測分析: 統計モデルと機械学習アルゴリズムを使用してデータを分析し、将来の出来事や傾向を予測することを指します。
ロボティクス：ロボットの設計・製作・運用を行うAIの一部門です。
教師あり学習: これは、ラベル付けされたデータでシステムをトレーニングして、新しいラベル付けされていないデータの結果を予測する ML の一種です。
コンピュータビジョン: マシンが周囲の世界からの視覚情報を解釈および分析できるようにする AI のブランチ。
特異点: AI が人間の知性を超え、人間の制御を超えて自己改善できるようになる未来の仮想ポイント。
コグニティブ・コンピューティング: 人間のように理解し、推論できるシステムの構築に焦点を当てた AI の分野。
AIの安全性: 高度な AI システムが人間の能力と自律性を高めても安全であり、人間にとって有益であることを保証することに焦点を当てた研究分野。
説明可能性: 意思決定プロセスについて明確でわかりやすい説明を提供する AI システムの能力。
AIの倫理: バイアス、プライバシー、人間の自律性に関連する問題を含む、AI の開発と展開の倫理的影響に対処する成長分野です。
特異点: AI が人間の知性を超え、人間の制御を超えて自己改善できるようになる未来の仮想ポイント。
透明度: AI システムの意思決定プロセスが人間のユーザーにどの程度見え、理解できるか。
データマイニング: 機械学習アルゴリズムを使用して、大規模なデータセットでパターンと洞察を発見するプロセス。
機械認識: 周囲の世界からの感覚入力を解釈して理解する機械の能力。
