【AIの定義💻】強いAIと弱いAIの違いについて覚えておきたいこと📧：G検定合格講座 No.3

前回のお復習い📘

復習を大切にして、確実にインプットした
知識を自分の記憶に留めておきましょう！

人工知能(AI)の定義🌈

人工知能（AI）という言葉は
私たちの日常に浸透し
多くの場面で使われるようになりました。

しかし、その「定義」となると
実は非常に多角的で、単一の明確な答えを
出すのは難しいのが現状です。

これはAI研究の歴史、発展段階
そして応用分野の広さに起因しています。

G検定対策としては、単なる暗記ではなく
AIが持つ多面的な意味合いを理解することが
重要となってくるのではないでしょうか？👍

1. 究極的な目標としてのAI

まず、最も広義で、AI研究の
究極的な目標とも言える定義は
「人間が持つ知能を人工的に再現
あるいは模倣しようとする科学技術」です。

ここでいう「知能」とは、学習、推論
問題解決、知識表現、知覚、言語理解
さらには創造性や感情といった、人間が
「知的」とみなすあらゆる能力を含みます📝

強いAIと弱いAI🌟

この視点から見ると、AIは大きく二つに分類されます。

2. コンピュータサイエンスの分野としてのAI

より実学的な視点から見ると、AIは
「コンピュータサイエンスの一分野であり
計算機を用いて知的振る舞いを実現する
ためのアルゴリズムやシステムを
研究・開発するもの」と定義できます👍

この定義では、具体的な技術要素に
焦点が当てられます。

• 探索・推論: 膨大な選択肢の中から最適な解を見つけ出す（例：迷路の解法、パズル）

• 知識表現: 情報をコンピュータが理解できる形で構造化する（例：エキスパートシステム、セマンティックウェブ）

• 学習: データからパターンや規則性を自動的に抽出し、性能を向上させる（例：機械学習、ディープラーニング）

• 知覚: 視覚（画像）や聴覚（音声）などの情報を認識し、理解する（例：画像認識、音声認識）

• 自然言語処理: 人間の言葉を理解し、生成する（例：機械翻訳、チャットボット）

• ロボティクス: 物理的な世界で行動するシステムとAIを連携させる（例：ロボットアーム、自動運転）

3. 歴史的変遷から見るAIの定義⏰

AIの定義は、その研究の歴史的変遷
とともに進化してきました。
何度か「AIブーム」と「AIの冬」と
呼ばれるサイクルを経験し、そのたびに
AIの可能性と限界が再評価されてきました。

✅令和6年版 情報通信白書
第1～3次AIブームと冬の時代

• 初期（1950年代〜70年代）：記号主義AI: 人間の思考を論理的な記号操作として捉え、ルールベースのシステムや探索アルゴリズムによって知能を実現しようとしました。この時期に「人工知能」という言葉が誕生しました。

• 第1次AIブーム（1980年代）：エキスパートシステム: 特定分野の専門家の知識をルールとしてコンピュータに記述し、推論させる「エキスパートシステム」が注目されました。しかし、知識の記述の限界や柔軟性の欠如から、「AIの冬」を迎えます。

• 第2次AIブーム（1990年代〜2000年代）：機械学習の台頭: 大量のデータから統計的にパターンを学習する「機械学習」が主流となります。サポートベクターマシン（SVM）や決定木、隠れマルコフモデルなどが発展しました。この時期から、AIは「データから学習する能力」を重視するようになりました。

• 第3次AIブーム（2010年代〜現在）：ディープラーニングの爆発的進化: 特に、ニューラルネットワークを多層にした「ディープラーニング」が登場し、画像認識、音声認識、自然言語処理などの分野でこれまでの常識を覆す性能を発揮しました。このブレークスルーが、現在のAIブームの原動力となっています。

4. ディープラーニングとAIの関係

G検定で非常に重要となるのが
ディープラーニングとAIの関係性です。

• ディープラーニングは、機械学習の一種であり、さらに広義のAIの一分野です。

• ディープラーニングは、人間の脳の神経回路網を模倣したニューラルネットワークを多層に重ねることで、データから複雑な特徴量を自動的に学習する能力を持ちます。これにより、これまで人間が手作業で行っていた特徴量設計の労力を大幅に削減し、かつ、より高精度な認識や予測を可能にしました。

• 現在のAIの発展は、ディープラーニングの飛躍的な進歩、GPU（画像処理装置）の進化による計算能力の向上、そしてビッグデータの利用可能性という三つの要素が組み合わさることで加速されています。

G検定対策としてのAI定義の理解📚

G検定において「人工知能の定義」を
問われた場合、以下の点を
押さえておくことができれば
確実に正解できる確率を高める
ことができるのではないでしょうか👍

• 究極的には「人間のような知能を人工的に再現しようとする科学技術」であること。

• 現在のAIは「弱いAI（特化型AI）」が主流であり、特定のタスクに特化していること。

• コンピュータサイエンスの一分野として、学習、推論、知覚などの知的振る舞いを実現する技術の総称であること。

• ディープラーニングは、現在のAIブームの主要な推進力であり、AIのサブフィールドであること。

AIの定義は、時代とともに変化し
技術の進化とともに
その範囲を広げてきました。

この多面的な理解こそが
AIがもたらす未来を洞察し
G検定を突破するための鍵となるでしょう。

本日のアウトプットはここまでとします！
AIを味方に、DX人材としての自信と
キャリアの可能性をを手に入れるべく
引き続き、G検定合格を目指して
コツコツと学習を進めてまいります💚

引き続きよろしくお願いいたします！

G検定とは？✨

G検定を取得するメリット💖

G検定の試験概要📝

• 主催団体: 一般社団法人日本ディープラーニング協会（JDLA）

• 試験形式: オンライン実施（自宅受験）

• 試験時間: 120分

• 出題形式: 知識問題（多肢選択式、約160～220問程度）

• 受験資格: 制限なし（誰でも受験可能）

• 受験料:

  • 一般：13,200円（税込）

  • 学生：5,500円（税込）

  • 再受験割引あり（受験日から2年以内は半額）

• 出題範囲: JDLAが公開しているシラバスに準拠

• 合格ライン: JDLAは公式に合格ラインを発表していませんが、一般的に70%程度の正答率が目安と言われています。

• 合格率: 開催回によって変動しますが、60%～75%程度で推移しています。

詳細な試験範囲(G2024#6)

✅（シラバス）G2024#6～（出所）
技術分野と法令・倫理分野に分かれています！

今後はこちらのシラバスを参考に
試験対策に繋がる投稿を作成して
まいりますので、乞うご期待ください✨

G検定は、AI、特にディープラーニングに
関する基礎知識を幅広く習得し
ビジネスの現場でAIを活用するための
第一歩となる資格と言えるでしょう！

受験資格もなく、かつ、オンラインで
受験できるため、多くの方が挑戦しやすい
資格と言えるのではないでしょうか。

まずは、試験の合格に向けて
しっかりと学習に取り組んでまいります！

おすすめの参考書📚

おすすめマガジンのご紹介🔔

今後、さらにコンテンツを
拡充できるように努めて参りますので
何卒よろしくお願い申し上げます📚

最後までご覧いただきありがとうございました🌈

まだまだ浅学非才な私ですが
noteという最高の環境を活用して
日々、成長できるように精進します🔥

アウトプット前提のインプットを体現する
ことができるのは、本当に有意義であると
思いますし、成長の記録としても残るため
非常にやりがいを感じています。

社会人になってもnoteはなるべく
継続していきたいことではありますが
あくまで趣味としての取組みになりますので
優先順位を大切にして活動していきます！

お気軽にコメント、スキ&記事の共有
そして私のアカウントをフォローして
いただけると大変嬉しく思います✨

今後とも何卒よろしくお願いいたします！