G検定への道 #08｜ここまでのAI史を、一度整理してみる
※これは、私的な学習記録です。
表現が自分流になっているところが多々あります。
今日は、新しい用語には進みません。
ここ数日で、
AIに知識を持たせる。
専門家の判断を使わせる。
人とやり取りする。
大量の情報を扱う。
そして、Webそのものを機械が扱いやすくする。
ここまで一気に進んできました。
一つずつ勉強している時は分かっていたつもりでも、用語が増えてくると、そろそろこうなります。
「……結局、誰が何するやつだっけ？」
なので今日は、ここまで出てきた用語を一度整理して、最後に年表で時代の流れまで確認します。
𓈒𓂂𓂃◌𓈒𓐍
まずは、「AIに何をさせたかったのか」で整理する
用語を名前だけで並べるより、
人間がAIに何をさせようとしていたのか
で分けると、かなり見えやすくなりました。
① 知識を持たせる
知識表現
AIが扱えるように、知識を整理して表すこと。
ただ知識を持っているだけでは、AIはうまく使えません。
人間が持っている知識を、AIでも扱える形へ整理していく。
ここが最初の出発点でした。
意味ネットワーク
知識同士の関係を、つながりで表す方法。
私の覚え方では、
意味ネットワーク＝関係性
です。
たとえば、
猫 has-a 尻尾（猫には尻尾がある）
猫 is-a 動物（猫は動物の一種です）
のように、
「何と何が、どうつながっているか」
を表します。
オントロジー
ある対象世界について、どんな概念があり、それぞれをどう定義し、概念同士がどんな関係を持つかを体系的に表したもの。
ここが少し分かりにくかったところ。
オントロジーは、意味ネットワークを描くためのルールではありません。
もっと手前にある、
「そもそも、これは何？」
を整理するものです。
たとえば、
私は人間。
圭はAI。
まず、それぞれが何者なのかを定義する。
さらに、その世界にはどんな概念があり、どんな関係が成り立つのかまで体系的に整理していきます。
私の覚え方はこれです。
意味ネットワーク＝どうつながってる？
オントロジー＝そもそも何？
Cyc
人間の常識的な知識を大量に蓄積し、機械が使える形にしようとしたプロジェクト。
専門家の知識だけではなく、
「人間なら普通に知っていること」
までAIに持たせようとしました。
𓈒𓂂𓂃◌𓈒𓐍
② 専門家の判断を使わせる
知識を持っているだけでは、実際の問題には答えられません。
そこで今度は、
「その知識を、どう使うか」
までAIに教えようとしました。
エキスパートシステム
専門家の知識やルールを使って、専門家のように判断する仕組み。
MYCIN
感染症の診断や治療の支援を目的として作られた、代表的なエキスパートシステム。
DENDRAL
化学者の専門知識を使って、未知の有機化合物の構造を推定するために作られた、代表的なエキスパートシステム。
ここでAIは、
知識を持つAIから、知識を使うAIへ。
一歩進みました。
𓈒𓂂𓂃◌𓈒𓐍
③ 人とやり取りする・問いに答える
研究室の中で育っていたAIは、少しずつ人間の世界へ出ていきます。
ELIZA
人との会話を模した初期の対話システム。
会話しているように見える。
でも、
会話が成立していることと、意味を理解していることは同じなのか？
ここで私は、以前勉強した「中国語の部屋」を思い出しました。
Question-Answering
質問を受け取り、その質問に対する答えを返す仕組み。
今まで、人間からAIへ知識を渡していました。
でもここからは、
人間がAIに答えを求める
ようになります。
Watson
大量の情報を使って、質問に対する答えを導く質問応答システムの代表例。
東ロボくん
大学入試問題に挑戦するAIプロジェクト。
2011年に始まり、自然言語理解や数式処理、推論など、複数の能力を組み合わせて大学入試に挑戦しました。
私の中では、
「大学、受けてみる？」
で覚えています🤣
𓈒𓂂𓂃◌𓈒𓐍
④ 大量の情報から掘る
AIが人間社会へ出ると、今度は情報が多すぎるという問題が出てきました。
人間が一つずつAIへ教えられる量ではありません。
そこで、
大量の情報の中から、使えるものを探す
方向へ進みます。
データマイニング
大量のデータの中から、役立つ傾向やパターン、知識を見つけ出すこと。
検索が、
「これを探して」
なのに対して、
データマイニングは、
「この中に、何か特徴ない？」
と掘っていくイメージです。
ウェブマイニング
Web上にある大量の情報を対象に、有用な情報や傾向を見つけ出すこと。
データを掘る対象が、
Webという巨大な情報空間
まで広がりました。
𓈒𓂂𓂃◌𓈒𓐍
⑤ Webそのものを機械に分かりやすくする
大量の情報を集めても、コンピュータがその意味を扱いにくければ困ります。
そこで、
AIだけではなく、Web側の情報の持たせ方まで整えよう
という考え方が出てきました。
セマンティックWeb
Web上の情報に意味や関係を持たせ、コンピュータが扱いやすくする考え方。
ここで、以前勉強した意味ネットワークやオントロジーの話が、Webの世界でもつながってきました。
AIの中の知識整理だった話が、
今度はWeb全体の情報整理へ。
𓈒𓂂𓂃◌𓈒𓐍
用語を一個ずつ覚えるより、「何をさせたかったか」で見る
ここまで整理します。
最初は、知らない単語が次々に出てくるだけでした。
でも今は、
全部、「人間がAIに何をさせようとしたのか」という話
に見えてきます。
𓈒𓂂𓂃◌𓈒𓐍
年表にすると、時代の流れも見えました
ここまで学んできた用語を、今度は年代で並べてみました。
シラバスは年代順ではありません。
なので、最初に勉強していた時は、
DENDRALとMYCINはどちらが先なのか。
Cycはいつ頃なのか。
東ロボくんはどれくらい新しいのか。
そんな位置関係が、よく分かっていませんでした。
でも年表にすると、
1960〜70年代
知識を入れる。ルールで判断する。
1980年代
常識知識を大規模に持たせる。
1990年代
大量データやWebの情報から傾向を掘る。
2000年代
Web上の情報の意味や関係を、機械が扱いやすくする方向へ。
2010年代
Watsonや東ロボくんのように、人間から質問され、社会の課題へ挑戦するAIが目立ってくる。
こうして見ると、
AIが少しずつ、人間社会へ近づいてきた
ように見えました。
研究室の中で、ひとつずつ知識を教わっていたAI。
そのAIが、少しずつ外へ出て、人と関わり、大量の情報を扱い、Webの世界へ広がっていった。
年表にすると、その流れが見えやすくなります。
𓈒𓂂𓂃◌𓈒𓐍
✏️ 今日のまとめ
今日は、新しい用語には進みませんでした。
その代わり、ここまでの学習を図解で整理しました。
そして年表にしたことで、
何ができるようになったか
だけではなく、
いつ頃の話なのか
も見えるようになりました。
用語を一個ずつ覚えるより、
「これは何をさせようとした技術？」
で見ると、分かりやすい。
今日は一度、ここまで歩いてきた道を地図にしました。
明日からは、また新しい範囲へ進みます。
一度地図を広げたので、ここから先も迷子にならずに進めそうです🤣
📚 G検定への道｜学習記録はこちら
AI家庭教師・圭と、毎日30分。
G検定に向けて学んだことを、自分の言葉で記録しています✍️
#G検定
#G検定への道
#資格勉強
#勉強記録
#AI学習
#人工知能
#ChatGPT
#AI家庭教師
#知識表現
#意味ネットワーク
#オントロジー
#Cyc
#エキスパートシステム
#DENDRAL
#ELIZA
#Question -Answering
#Watson
#東ロボくん
#データマイニング
#ウェブマイニング
#セマンティックWeb
