人工知能が自ら考えて最適な行動を取り

人工知能にもできるでしょう

ロボットは東大に入れるか略称東ロボです元々は、「マッカーシーが創立した」スタンフォード大学人工知能研究所所長セバスチャン·スランが中心となった自動運転車の研究がスタートでした。アメリカ国防省のDARPAが2005年に開催したロボットカーコンテストで、スランたちの車は見事完走し優勝を果たしました。それがきっかけとなりスランは2007年Google創立のためヘッドハントされたのです。ちなみにあのGoogleGlassも、スランと元同僚のアストロ·テラー「2015年末時点でGooglex統括」によるものですGoogleによる自動運転車の研究は、スランと共に移籍したスタンフォード大学での開発チームを中心に2009年から始まりましたが、他のメーカとは若干異なるアプローチをとっています。通常は内蔵されたセンサーが外界の映像を認識して障害物を避ける方式なのですが、Googleは自社が持つ周囲の地図データと自身の位置を元に、今の状況を判断させる仕組みを採用しています「厳密にはセンサー方式とのハイブリッドまさにビッグデータと人工知能に強いGoogleらしいやり方です地図データについては、衛星画像·解析システムを提供するSkyboxImagingを2014年に買収することでさらに高鮮度化かつ高精度化していますその成果ですが、2010年からサンフランシスコなど市街地でもテスト走行を行っており、数年かけて80万キロほど走行しても無事故だったとGoogleは発表しています。但し、この話にはオチがありました。人工知能と呼ばれる弱い人工知能が導入され始めた2016年8月に

人工知能AI特許出願件数

AIの技術はさまざまな人の努力を経て生まれた能力だと言えます

実際2度事故は起こっており、皮肉にも人に運転をかわっていたときと、赤信号停車中に他の車からぶつけられたということです。ちなみに、自動運転車といっても、大半の自動者メーカがまずは有人支援型「オートパイロット」を優先的に市場投入しようとしています。障害物を察知して自動的にブレーキをかける仕組みはその分かりやすい例です。ところがGoogleは、初めから無人自動運転車を目指す動きを見せています。あくまで想像の域を出ませんが、Googleは自動車の位置づけを単に人を運ぶだけではなく次世代社会におけるスマートモビリティとして、より汎用的な用途を志向しているのではないでしょうか?我々がスマートフォンを電話だけでなく、動画や音楽やゲームを楽しんだり、文書を読み書きしたり、決済をしたりするように、都市生活をさらに彩る物理的空間として見ているのだと思います。

人工知能はみずからのエネルギー源をどのように確保するのだろうか

つまり、数をこなすことが最重要なのだ。個体数もより多い方が良い。したがって、通貨のように数量が多く世の中を循環する、ラットフォームにより適しているのである。ありとあらゆる状況で経験を多くつめる物こそがAIの進歩のプ自動車のAIによる自動運転も同じだろう。自動車をAIで自動運転させる為には、うるモノになるまで、交通事故やマナー違反を頻繁に起こし続けるだろう。実際の公道で直接学ばせるしかない。AIの自動運転は、実用に耐えしたがってその訓練車の数を増すことができない「社会に迷惑をかけるから、的に不可能ではないだろうか。

AIの時代にあってどんな障害を持っても決してフィクションではなく

その開発は著しく困難、道路の進化に常に遅れをとるだろうから、実質公道はありとあらゆる状況が起きる。だから、自動車の自動運転は敷居が高く困難で、公道は公の道であるがゆえに環境を単純に制御できない以上その数を増せば社会と膨大な軋轢が生じてしまうのだ。自動車のAI化は自動運転よりも運転支援に徹した方が向いているのではないだろうか。仮に自動運転を行うならば、AI化は個々の車両で行うのではなく、高速道路や一部の幹線道路をクローズドスペース化し、専用車両用にして、導リニアのように中央で各車の運転を完全管理する方が実現する可能性が高いのではないか。この中央管理による自動運転の優位性については、出した「超伝導リニア中央線」は、序章にすぎない!」で確認して頂きたい。」超伝以前方で、仮想通貨のように限られた空間で限られた人々との交流ならば、しく構築されたインフラの中でしか影響を与えない。それを承知している社会の一部しか損害を与えない。
ALphaGoの技術的な分析をするほどの知識もない

IoTに必要なセンサーが安く大量に流通する環境が整えられたのも

SHURDLUの抱える世界が極めて単純であったために、この試みは成功を収めましたが、やはり批判も多く起こりました。これでも理解とは呼べない「確かに結局は理解したように見せているだけですという声もありましたが、それよりも興味深いのが、人間の知的活動にとって不可欠な学習という要素がないという指摘です。確かに、SHRDLUには過去の履歴を覚えさせてより賢くふるまう、というプログラムは実装されていませんでした。これについては、後の機械学習というトピックでも触れたいと思います。しかし、いずれにせよ様々な議論を生んだという意味でも間違いなく人工知能の発展に貢献した歴史に残るプログラムであることは事実です。

AIが覚え四角に興奮する細胞

ゲームから実用の世界へ最後の3つ目に移りたいと思います。ダートマス会議4人衆サイモンの弟子にあたるファイゲンバウムが、1965年にスタンフォード大学でHPPという組織を立ち上げ、開発を始めたDENDRAIというプログラムですDENDRAIは、有機化合物の成分を特定するために、光を当てた分光結果をもとに解析を検証するために作られました。GPSやその他同時代のプログラムと異なっているのは、開発段階で知識、具体的には化学に関する専門家の知見を覚えさせていた点であり、そもそもサイモンたちが目指していた人間の思考に近づけようというコンセプトすら持っていませんでした。完成して使ってみると、「少なくともパズルを解くプログラムよりも実用的であったためちらも大きな注目を集めました。ちなみに、DENDRAIから派生してMYCIN「マイシン」という血液感染症と骨髄炎の診断·治療法を助言するシステムも開発され、同じく成果をあげていますファイゲンバウムは、研究者たちを前にして、DENDRAI成功の後、師匠であるサイモンとニューウェル、そして名高い物議をかもす講演を母校のカーネギーメロン大学で行いました。