人工知能とは何ですか？

人工知能の定義は何ですか？

長年にわたり、多くの人々が人工知能を定義しようとしました。これらの定義の多くは、Stuart RussellとPeter Norvigの著書「Artificial Intelligence-A Modern Approach」にまとめられています。

AIの定義は、次のカテゴリに分類されます。

1. 思考プロセスと推論（AIの思考/理由）
2. 行動に対処するもの（AIが知っていることを考えるとAIがどのように行動するか）

さらに、上記の2つのカテゴリは、さらに次の定義に分類されます。

I.人間のパフォーマンスを再現する能力に基づいて、AIの成功を評価します（上記を行うため）

II。または、「合理性」と呼ばれる理想的なパフォーマンス測定値を複製する機能（知識に基づいて「正しい」ことを行いますか？）

上記の各カテゴリに当てはまる定義を引用します。

• 1.I. 「人間の思考に関連する[自動化]アクティビティ、意思決定、問題解決、学習などのアクティビティ。」-Bellman 1978
• 1.II. 「知覚、推論、および行動を可能にする計算の研究。」-ウィンストン、1992
• 2.I. 「コンピューターに、現在、人々がより良くなることをさせる方法の研究」-リッチとナイト、1991
• 2.II. 「インテリジェントエージェントの設計の研究」-プール他、1998

要約すると、AIは、合理的な決定を下し、合理的なアクションを実行できるインテリジェントで合理的なマシンの作成に専念しています。

コンピューターがインテリジェントかどうかをテストするためにアランチューリングが提案したチューリングテストを読むことをお勧めします。ただし、チューリングテストは擬人化されているため、いくつかの問題があります。

航空技術者が飛行機を作成したとき、彼らは飛行機が鳥のように正確に飛行するという目標を設定していませんでしたが、空力の研究に基づいて揚力がどのように生成されるかを学び始めました。この知識を使用して、彼らは飛行機を作成しました。

同様に、AIの世界の人々は、私見、人間の知能を努力の基準として置くべきではありませんが、むしろ、たとえば合理性を基準として使用することができます。

論文Universal Intelligence：A Definition of Machine Intelligence（2007）、Legg and Hutterは、かなり真剣な研究の後、非公式にインテリジェンスを次のように定義しています

インテリジェンスは、さまざまな環境で目標を達成するエージェントの能力を測定します

同じ論文で、彼らはこの定義を形式化しています。詳細については論文をご覧ください。しかし、一言で言えば、この定義を思いつくために、彼らは長年にわたって人々から与えられた知性の複数の定義を見て、鍵を要約しようとしました。これらすべての定義のポイント。また、インテリジェンステストやインテリジェンスの定義との関係などの問題についても説明します。つまり、インテリジェンステストはインテリジェンスを定義するのに十分ですか、それともインテリジェンステストとインテリジェンスの個別の概念の定義ですか。彼らはまた、この定義とAIXIの関係を指摘しています。

記事では、人工知能とは何ですか？（2007年）、ジョン・マッカーシー、また、発現造語人工知能の創始者の一人と人工知能を、書き込み

人工知能は、インテリジェントマシン、特にインテリジェントコンピュータープログラムを作成する科学と工学です。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する必要はありません。

ただし、この定義は人間の知能に関連しているため、誰もがこの定義に同意するわけではありません。

彼はさらに述べる

インテリジェンスは、世界で目標を達成する能力の計算部分です。さまざまな種類および程度の知性が、人間、多くの動物、およびいくつかの機械で発生します。

AIの分野は、1956年にダートマス会議で公式に発案されて以来進化してきたため、人工知能の定義も進化します。その会議の前には、たとえばサイバネティックスなど、いくつかの関連する分野と表現がすでにありました。

私が思いつくことのできる最短の答えは以下の通りです。私たちはまだ自然の知性について多くを知らないので、塩の粒でそれを取ります：

自然の知性とは、[新しい]タスクを解決するためにそれらを使用する意図で、限られた観察から抽象的な概念を学習するプロセスと見なすことができます。このプロセスでは、これらの概念を使用して、新しい仮説的に正しいシナリオ/理論を想像し、それらを有意義な方法で組み合わせて可能性の巨大な仮説空間を削減し、事前にデータを観察せずに新しい状況への一般化を可能にします。人工知能は、機械に自然な知能がもたらすことをもたらすことです。

ほとんどの人が同意する正式な定義はありません。したがって、データサイエンス/機械学習のコンサルタントとして私が考えることは次のとおりです。

人工知能 研究分野としてのとは、環境内で自律的に感知して行動し、行動のある指標に従って状況を改善するエージェントの研究です。

私はこの用語が好きではありません。それは広すぎる/曖昧だからです。代わりに、Tom Mitchellによる機械学習の定義を見てください。

「P」で測定される「T」のタスクでのパフォーマンスが経験Eで向上する場合、タスクのクラス「T」およびパフォーマンス測定「P」に関して、コンピュータープログラムは経験「E」から学習すると言われています

機械学習はAIの重要な部分ですが、それだけではありません。検索アルゴリズム、SLAM、制約付き最適化、知識ベース、自動推論もAIの一部です。

人工知能の研究者は間違いなく、自分の専門分野に使用される用語を定義することに関心があり、用語「人工」にはほとんどあいまいさがありません。課題は、ワードインテリジェンスが歴史的に実数よりも質的な記述であったことです。

ある人の知能を別の人の知能とどのように比較できますか？IQテスト、カレッジボードのテストカテゴリー、平均資産、チェスアンドゴートーナメントの勝利、間違った決定率、さまざまな知的スピードレース、評価ボードおよびパネルは、精神的能力の背後にある数学的理論に関与する人々にとって非常に不十分なセットです私たちは知性と呼びます。

ほんの1世紀前、知性は、学問、ビジネス、および個人の生活における問題の解決策を見つける能力に関連する定性的な用語でした。文化が物事の定量的扱いを定性的にしか求め始めたとき、精神的能力の人の年齢および環境への依存性は課題をもたらしました。知能指数（IQ）のアイデアは、年齢や機会とは無関係に精神的な可能性を定量化するという欲求から生まれました。

数学や言語に適用される基本的な認知スキルの標準化されたテストを作成することにより、環境要因を最小限に抑えることを試みた人もいます。

生産システムとファジーロジックコンテナー（ルールベース）、ディープラーニング（人工ネットワークベース）、遺伝的アルゴリズム、その他のAI研究では、人間向けに設計された標準化されたテストで得点できるマシンは製造されていません。しかし、機械では、自然言語機能、機械的調整、優れた計画、明確で検証可能な推論に基づく結論の引き出しが引き続き求められています。

以下は、測定方法、使用のアーキテクチャ、および早期の有望な結果と継続的な改善をもたらした研究の種類によって区別される精神能力のカテゴリです。

• ダイアログ—アランチューリングの提案する模倣ゲームと、応答システムの自動化、パーソナルアシスタント、モバイルチャットボットの実行可能性の両方によって測定
• 機械制御—システムの安定性基準と、輸送部門がインテリジェントオートメーションを使用している場合のインシデントコストと人命の損失率の両方で測定
• ビジネスインテリジェンス—主に、手動計画および運用管理の前または同時の傾向に関連する収益性の増加または減少によって測定されます

最適な手段の数学的表現に基づいた複雑な関数の最も可能性の高い最適なパラメーター化の発見は、上記に意図的にリストされていません。機械学習デバイスの中心となる活動は、これまで知性と呼ばれてきたカテゴリにも当てはまりません。予測を目的としたデータセットの統計処理は、知的意味での学習ではありません。表面フィッティングです。機械学習は現在、他の計算ツールと同様に、人間の知能がその能力を拡張するために使用するツールです。

機械学習に対するこの制約は、将来、超越される可能性があります。人工ネットワークが、上記のカテゴリーで認知、論理、重要性を認識する能力、および効果的な能力を実証するかどうか、およびその時期は不明です。

インテリジェンスを定義する際の困難の1つは、その次元に関する全員一致の欠如です。知性を定量化する場合、の価値$n$ インテリジェンスの尺度 $\mathcal{I} \in \mathbb{R}^n$重要です。g-factorとIQの概念は、$n = 1$、しかしハワードアールガードナー博士など、このイデオロギーに対するいくつかの批評家。トーマス・アームストロング博士 知性には複数の次元があると提案しています。

• 言語インテリジェンス（「ワードスマート」）
• 論理数学インテリジェンス（「数値/推論スマート」）
• 空間インテリジェンス（「画像スマート」）
• 身体運動知能（「スマートな身体」）
• 音楽インテリジェンス（「音楽スマート」）
• 対人知能（「スマートな人々」）
• 個人内知能（「自己スマート」）
• ナチュラリストインテリジェンス（Armstrongの追加）
• 実存知能（Armstrongの追加）
• モラルインテリジェンス（John Bradshaw、Ph.D.、追加）

これらはすべて、教育やその他のトレーニングによりさまざまな効果で表される単一の知能能力の現れであるという議論は、認知科学、遺伝学、バイオインフォマティクスの分野での証拠に基づいた発見によって体系的に弱められてきました。

遺伝学では、知性に対する少なくとも22の独立した遺伝的要素が特定されており、その数は増える可能性があります。ヒトDNAのこれらの独立したスイッチは、脳内の同じ神経制御にすべて影響を与えるわけではなく、g因子イデオロギーの証拠に基づく脆弱性を示しています。

人間の知性とDNA発現の形式のいくつかは、時間とともに発見される複雑な方法でマップされ、このマッピングは時間とともにgファクターの単純化を完全に置き換える可能性があります。

人工知能という用語は、人間の知能の形と表現のシミュレーションとしてよりよく表現され、単にAIと略されます。しかし、それは定義ではありません。大まかな説明です。単一の用語で大まかにグループ化するすべてのディメンションについて、単一の正確な定義が存在することはありません。それが人間の知能に当てはまる場合、人工知能にも当てはまる可能性があります。

すべてのインテリジェントな応答についてリストできる共通の特性がいくつかあります。

• インテリジェンスは、特定の環境条件およびいくつかの目的または一連の目的のコンテキスト内でのみ測定および有用性を取得できます。目標の例には、生き続けること、学位を取得すること、紛争の中で休戦を交渉すること、資産やビジネスを成長させることが含まれます。
• インテリジェンスには、経験から学んだことに基づいた予期しない条件への適応が含まれるので、学んだことを適用する能力のない学習はインテリジェンスではなく、学んだプロセスを適用してプロセスを制御するものに適用することもできません知性を考慮した。

ヒューマンインテリジェンスは、同時並行のように見える方法で学習し、適用することができます。それを超えて、より少ない形での再帰として提案されている重要な人間の精神的能力のいくつかに言及せずに知能への実用的な定義を議論することはできませんが、再帰または構成がこれらの精神的特徴を生み出すという証拠は存在しません。

• 学習と学習内容の同時学習と使用
• 漸進的な改善の新しいメカニズムを発明する能力
• 予期しない条件への適応性
• 現在学習しているドメイン外の構造を発明する能力

インテリジェントマシンの将来の要件にはこれらが含まれる可能性があり、現在それらを含める知恵があるかもしれません。

参照資料

スクリプト、計画、目標、および理解：人間の知識構造の調査、シャンク、アベルソン、2013年、16,689件の記事で引用、T＆Fの抜粋：1971年の夏、心理学、人工知能、言語学。15人の参加者は、さまざまな方法で知識や信念の大規模なシステムの表現に興味を持っていました。

クラフトを理解する—指名手配：インテリジェンスの定義、マイケルワーナー、2002

生涯学習と成功における知性の概念とその役割、ロバートJ.スターンバーグ、エール大学、1997

AIの観点からのいくつかの哲学的問題、ジョン・マッカーシー、パトリック・J・ヘイズ、スタンフォード大学、1981年

エモーショナルインテリジェンスの理解と開発、Olivier Serrat、Knowledge Solutions、pp 329-339、2017

Frames of Mind：Theory of Multiple Intelligences、2011、ハワードガードナー

7（7）種類のスマート：複数のインテリジェンスの識別と開発、1999、トーマスアームストロング

78,308人のゲノムワイド関連メタ分析により、新しい遺伝子座と人間の知能に影響を与える遺伝子が特定されました。SuzanneSniekers et。al。、2017

知能

特定のタスクまたはタスクのセットに関する、他の意思決定エージェントに対する意思決定エージェントの強度の尺度。媒体は無関係です。インテリジェンスは、有機的メカニズムと意図的に作成されたメカニズムの両方によって示されます。解決されたゲームの場合のように、問題を解決する機能もあります。

人工的な

アーティファクトという用語に関連します。これは意図的に作成されたものです。通常、この用語は物理オブジェクトを意味するために使用されていますが、人間が作成したアルゴリズムもアーティファクトと見なされます。

語源は、ラテン語のarsおよびfaciōに由来します。「巧みに構築する」または「作成の芸術」です。

人工知能

• 巧妙に（意図的に）構築された意思決定エージェント。

付録：「インテリジェンス」の意味

「知性」の本来の意味は、インドヨーロッパに戻って「獲得する」ようです。参照：インテリジェンス（語源） ; * leg / *leh₂w-

OEDの最初のインテリジェンスの定義は不正確ではなく、能力の獲得（実証可能なユーティリティ）に意味を拡張しています。ただ、2番目の定義は古くて基本的なものです：「[戦略]値の情報収集;一般;ニュース。」

宇宙は情報で構成されていると見なすことができます。情報がどのような形式（物質、エネルギー、状態、相対位置など）であっても、アルゴリズムの観点から、これは意味があります。知覚。

フラットテキストファイルを取得します。それは単なるデータかもしれませんが、あなたは試して実行することができます。それが実際に実行される場合、何らかのタスクでユーティリティを実証するかもしれません。（たとえば、ミニマックスアルゴリズムの場合。）

「実用性の尺度としてのインテリジェンス」は、それ自体が情報の意味での「インテリジェンス」であり、具体的には、タスクまたは他のインテリジェンスに対するインテリジェンスを度合いとして測定する情報です。

AIは基本的に、機械に人間の知能を実装する行為です。これは、人間の知能を実装するさまざまなアルゴリズムによって行われます。

AIは、複雑な決定を近似するために計算手法を使用する分野です。

より従来型：それは前に見たことのない任意の入力のために事前にプログラムされるか、または入力と出力の間に明確な関係（つまりは設けられていないために出力を計算することができ、コンピュータプログラム（主に）ドメインおよび範囲）。Google検索、Alexa、Siri、Cortana、IBM Watson ...定義はそれらすべてに適用されます。汎用AIでも

さらに一歩進んでいます（物議を醸す！）。人間以外のエンティティを削除する場合私にとって、人間を最初の定義から、それが人間の知性の定義になります。たとえば、RMBは、教師なしの事前トレーニング中に、データから隠された抽象的な意味を推測できます。これintuitionを私たちのために呼ぶかもしれませんが、それは人間に特有ではないようです。（Geoffrey Hintonの猫認識実験は良い例ですが、リンクが見つかりませんでした）。RBMは夢をます。そうたぶん私たちが超自然現象のように知覚する人間の知性は、それがどんなに複雑であっても数学モデルによってモデル化できます。したがって、AIの機能の構成への縮小（大まかに言って）を判断する前に、人間の知能の議論を判断してください。これは、ジェフリー・ヒントンのテーマに関するビデオです

機械学習：機械学習は、新しい入力に対して新しい出力を計算できるように、指定された入力および出力に対して関数のパラメーターを最適化するプロセスです。偶数線形回帰で機械学習の一種であり、ディープニューラルネットワークは実際には関数です。AIと同じ意味で使用されますが、同じ意味ではありません。AIはWHATと答え、Machine LearningはHOWと答えます。（正確ではないが、近い）

AIとMLの違いを明確にするために、いくつか例を示します。

• ディープラーニングはAIではありません。MLです。
• AmazonのAlexaはAIです。
• 遺伝的アルゴリズム（GA）の最適化はMLです。そのGAパラメーターを使用してSnakeゲームをプレイするボットはAIです。

注：ただし、現在、AIの構築に使用するすべての方法と構造は、機械学習という用語に該当します。したがって、機械学習を使用して人工知能を構築すると言うのは正しいことです。

これは、アルゴリズムによって駆動される人間によって示されるのではなく、マシンレベルのインテリジェンスです。