人工知能（AI）の種類は？定義や歴史、仕組みから必要な機械学習、未来予測まで解説
ビジネスシーンや日常生活など、人工知能（AI）はさまざまなシチュエーションで広く普及しています。この記事では、AIの定義や種類、活用方法などの基礎的な知識を習得しておきたいという人に向けて解説します。AIの歴史や仕組み、AIの現在と未来なども解説するので、参考にしてください。
目次
人工知能（AI）の定義
人工知能（AI）とは、Artificial Intelligenceを略した言葉です。一般社団法人人工知能学会（JSAI）は、AIを「知的な機械、特に、知的なコンピュータプログラムを作る科学と技術」と定義しています。しかし、AIの定義は明確にされていないため、AI研究者のそれぞれが異なる見解をもっています。
一般的には、機械が人間の脳のように認識・思考・学習などの知的な作業を行うためにプログラムされたソフトウェアやシステムのことを意味する場合が多いです。
AIは多様な用途で活用されている
AIを身近に感じられない人もいるかもしれません。しかし、AIの技術はすでに人々の生活の中で活用されています。たとえば、スマートスピーカーやスマートフォンなどに用いられている音声認識機能や自動翻訳機能などです。AI技術を導入したビジネスも展開されており、自動運転技術や対話ロボット、チャットボットなどもその一例です。
AIブームの歴史を振り返る
「人工知能」という言葉は、1956年にアメリカのダートマス大学で開催された研究発表会で使われたことがきっかけとされています。ここでは、これまでに3度訪れたAIブームの歴史について解説します。
推論と探索（第1次：1950年代後半～1960年代）
第1次ブーム期では、推論や探索による問題解決を行うためのアルゴリズムについて研究が開始されました。アメリカは、冷戦の真っただ中に自然言語処理を活用した翻訳機を開発し、軍事技術としての転用を検討していたといわれています。当時のAI研究の段階は、パズルを解いたり、迷路から脱出したりといったシンプルなタスク処理が可能なレベルでした。
ゲームの解き方がわかっても、現実社会の問題の解決には適していないと評価されたこともあり、第1次ブームは終息を迎えます。
エキスパートシステム（第2次：1980年代）
第2次ブーム期では、より高度な計算を実現した「エキスパートシステム」の実用化によって、ブームが再来しました。エキスパートシステムとは、専門家の知識に基づいて作成されたルールを活用し、AIが専門家の代わりに質問に回答する技術を指します。
システムの登場により、AIは実用可能な水準にまで達しました。しかし、常識を正しく判断するための学習の積み重ねが必要であることが指摘され、再び課題が浮上しました。
ディープニューラルネットワーク（第3次：2000年以降）
第3次ブーム期では、ビッグデータの普及や機械学習をはじめ、グラフィックスプロセッシングユニット（GPU）による計算能力の大幅な向上がきっかけとなり、3度目のブームが起こりました。AIは必要なデータを学習し、推測を行えるレベルにまで達しています。
第2次ブーム期では、発生した問題を解決するのみでしたが、第3次では問題を事前に予測できるまでに技術革新が進みました。計算能力やデータ分析など、すでに人間の能力をはるかに超えている分野もあると考えられています。
AIの種類と分類
AIは、大きく分けて2つの分類方法があります。ここでは、種類ごとの特徴や分類方法について解説します。
処理できる領域によって分類できる
AIの種類を「特化型」と「汎用型」に分類する方法があります。それぞれの特徴を解説します。
特化型（AGI）
特化型（AGI）とは、Artificial General Intelligenceの頭文字をとった言葉で、「特化型人工知能」と、訳されます。つまり、AGIとは、ある領域において特化した能力をもつ人工知能のことです。特化型は、社会やビジネスなどで広く利用されています。実用化された技術には、音声認識や画像認識、自動運転、医療診断などが挙げられます。
汎用型（GAI）
汎用型（GAI）とは、Growing Artificial Intelligenceの略語で、「汎用型人工知能」と直訳できます。特化型が特定の領域を対象にする一方で、汎用型は複数の領域にわたった問題の解決が可能な人工知能のことを指します。特化型は、人間によって作成されたプログラムに沿ってタスクの処理を行いますが、汎用型はAI自らが思考、実行できる点が両者を分ける差です。
人間の意識や思考をもつかどうかで分類できる
人間が意識をもち、思考を巡らせるように、AIが同様のプログラムをもつかどうかで、「強いAI」と「弱いAI」の2種類に分けることも可能です。アメリカの哲学者のジョン・サール氏が提唱した分類です。
強いAI
強いAIとは、人間のような知性と感情をもつロボットを目指す研究によって生み出されたものを指します。強いAIの特徴は、人間のように自らで考え、実行できる点です。同時に、人間の頭脳や精神、意識をもっていることも必須条件とされています。強いAIは、汎用型に限りなく近い概念を持つAIになりますが、観点は異なります。
弱いAI
弱いAIは、強いAIのような思考や意識をもたないAIを指します。本来人間が行っていたタスク処理の自動化を目的として開発されたプログラムやソフトウェアなどが該当します。弱いAIの特徴は、人間がタスクを処理する際に必要な能力の一部をもち、人間よりも正確かつ迅速に実行できる点です。弱いAIの特徴から、同様に特化型に近いAIですが、観点は異なります。
特化型・汎用型AIと強いAI・弱いAIの違い
上述したように、AIをどのような観点で分析するかによって、分類方法は変わります。課題処理の視点で分類する場合は、特化型と汎用型に分けられます。一方、AIには人間の意識や知性をもてるのかといった哲学的な視点での分け方も可能です。その場合、強いAIと弱いAIに分類されます。
分類方法は異なりますが、「特化型と弱いAI」「汎用型と強いAI」は、何を基準にして考えるか違うだけで、それぞれ同等の能力といえます。
AIの仕組み
AIを構築する際のヒントとされたのが、人間の脳の仕組みです。たとえば、人間は視覚・嗅覚・聴覚、味覚、触覚の五感によって多くのデータを収集し、脳にその情報が伝えられることで学習し、記憶として記録されます。一方、AIは人間の学習パターンをアルゴリズムに置き換え、機械学習を実施してデータの特徴やパターンなどを発見し、データベース化しています。
AIの精度を高めるには学習が必要
ここでは、AIに必要とされる学習方法について解説します。
機械学習
機械学習とは、ニュートラルネットワークの仕組みを真似た習得方法を意味する言葉です。ニュートラルネットワークとは、人間が学習する過程のことを指します。AIは、機械学習によってデータごとの共通点を記憶し、膨大なデータの中から関連データを判断する、などの作業が可能になります。機械学習で実現できる技術は、画像・動画認識や言語解析などです。
ディープラーニング
機械学習の場合、データの特徴やパターンなどの関連付けは、人間の手によって行わなければなりません。一方、ディープラーニングは、人間の手を加えずに、AI自らがデータの規則性を判断できる学習方法です。
階層構造をもつニュートラルネットワークに、隠れ層と呼ばれる階層の数が増えることで、より複雑な計算や学習を可能にします。「ディープラーニング」の名称は、階層が深くなることに由来しています。
AIがもつ能力
AIには具体的にどのような能力があるのか、解説します。
音声認識
AIでは、キーワードによる常時監視が可能なため、タッチレス操作が行えます。人が発する音声などを含む特定の音声の検出も可能です。このような技術は工場のDX化などにも応用可能です。例えば、製品を研磨する作業に音声認識を活用した場合、仕上がりを音で判別できます。
文章理解
自然言語処理技術の活用により、文章の意図を正しく認識できます。たとえば、外国語の日本語翻訳、記事作成、文章の要約などの作業も可能です。
画像認識
画像処理技術を活用すれば、人や動物、もの、言葉などを画像から認識できます。実用化されている事例として、農作物を守るための鳥獣監視や、河川の氾濫などに備え、川の水位などを把握する際の河川監視などがあります。
機械制御
AIはデータ学習を行うことで、機械もコントロールできます。その一例が、自動運転技術や産業用ロボット、イメージセンサなどです。ドローンを飛ばし、農薬散布を行うなどのスマート農業にも活用されています。
未来予測
明日の天気や株価予想などの未知の予測にもAIが活用されています。振動や温度の異常を予測する故障予知や、GPSと水分センシングの連携による地滑りの予知も可能です。ほかにも、生体センシングによる体調予測や認知症の予測など、医療分野でも導入されています。
AI研究の現状
AI研究のゴールは、人間のように意識や思考をもち、自ら考えて行動する汎用型AIの開発です。スマートスピーカーや自動運転技術の実用化は、あくまでも汎用型のAI研究の過程で生まれた産物にすぎません。深層学習の研究が加速すれば、新たな技術の登場はもちろん、汎用型AIが誕生する可能性もあります。
AIの登場で自動化される作業と変わらない作業
AIによって、自動化できる作業とできない作業を解説します。
自動化が可能な作業
特化型AIが処理できる作業や仕事は、人間からAIに移行できます。たとえば、情報やデータの収集、データに基づいた予測などです。また、現役医師にも見抜けない病理診断を正確に行える技術もすでに開発されています。このように、パターン化が可能な作業は、AIによる自動化が可能です。
人間でなければできない作業
AIにできない作業は、人の感情を理解する、人に寄り添う、など感情が伴うものです。また、命にかかわる倫理的な問題や将来の選択などの生命や人生にまつわる選択は、感情などの複雑な要素が絡んでいるため、AIの提案だけで判断はできません。ほかにも、学習では取得できない感性が重視されるアートなどのクリエイティブな作業も苦手分野とされています。
AIが人間を超える可能性
総務省が2016年に公表した情報通信白書によると、2045年頃にはAIが人間の脳を超える「シンギュラリティ」の到来を予測する研究者について取り上げています。
ただし、すでに人の能力を超える可能性を秘めている技術も存在します。たとえば、常時モニタリングが必要とされる鳥獣監視や河川監視や、工場などでの良品検査など、人が目視で行うよりも安定した品質での連続処理が可能です。また、人には感知できない音や振動の異常を高い精度で発見する、予兆を感知する、などの分野においても、人の能力を超えている可能性があります。
自社でAIを導入する場合は、これらを実現できる技術の活用を検討してみてください。
まとめ
AI技術が実用化され、機械による自動化が可能な作業や仕事が増えています。鳥獣監視や河川監視などの分野においては、人間よりもAIのほうが、高精度かつ連続処理による作業をこなせる可能性が高いです。
ソニーセミコンダクタソリューションズ株式会社の「Spresense」は、高速なADとGPS、強力なプロセッサーを搭載したボードコンピュータです。消費電力が非常に少ない点や、拡張性の高さが強みです。エッジAIの活用を検討している企業や、AIを体験したい人におすすめです。