/////////////////////////////////////////////////////////////////////////////////////////////////////////////////

 ////////////////////////////////////////////////////////////////////////////////////////////////////////////////

 - 生成AI Copilot等を利用 -

歴史

ニューラルネットワーク

　人工知能（AI）の研究は1950年代に始まりました。最初のAIブームは、1956年のダートマス会議で「AI」という言葉が提唱されたことから始まります。この時期のAIは、推論や探索を中心に研究されましたが、コンピュータの性能が限られていたため、実用化には至りませんでした。

　ニューラルネットワークは、脳の神経細胞（ニューロン）の働きを模倣した数理モデルです。1958年にフランク・ローゼンブラットが提案した「パーセプトロン」がその始まりです。パーセプトロンは、入力データを二つのカテゴリに分類するシンプルなモデルでしたが、複雑な問題には対応できず、研究は一時停滞しました。

　1980年代に入ると、誤差逆伝播法（バックプロパゲーション）が開発され、コンピュータ性能の向上や大規模データの利用可能性の高まりなどにより、ニューラルネットワークの学習能力が飛躍的に向上しました。これにより、複雑な問題にも対応できるようになり、ニューラルネットワーク研究が再び活性化しました。

深層学習と生成AIの誕生

　**深層学習（ディープラーニング）**は、2006年にジェフリー・ヒントンらによって提唱されました。深層学習は、多層のニューラルネットワークを用いてデータから特徴を自動的に抽出する技術です。これにより、画像認識や音声認識、自然言語処理などの分野で飛躍的な進歩が遂げられました。

　生成AIは、深層学習の技術を基盤にして発展しました。特に2022年にOpenAIが発表したChatGPTは、対話型AIとして大きな注目を集めました。生成AIは、テキスト、画像、音声などを自律的に生成できる技術であり、短期間で多くのユーザーを獲得しました。

　生成AIの急速な普及の背景には、ディープラーニングやトランスフォーマーモデルの開発・大規模化、クラウドコンピューティングの発展、GPUの進化などが挙げられます。これにより、AIの性能が飛躍的に向上し、様々な分野での活用が進んでいます。

　AIの進化は今後も続き、さらに多くの分野での応用が期待されています。

 ニューラルネットワークの限界

　ニューラルネットワークは人間の脳の一部の機能を模倣していますが、完全に人間の脳を再現することはまだできていません。以下の理由から、ニューラルネットワークが人間の脳に完全に近づくことは難しいとされています。

1. 複雑さの違い

　人間の脳は約860億個のニューロンと、それらを結ぶ数百兆のシナプスから構成されています。この複雑さは、現在のニューラルネットワークの規模をはるかに超えています。

2. 生物学的プロセス

　脳は電気信号だけでなく、化学的なプロセスやホルモンの影響も受けています。これらの生物学的プロセスは、ニューラルネットワークでは再現できません。

3. 意識と感情

　人間の脳は意識や感情を持ち、自己認識や感情的な反応を生成します。ニューラルネットワークはデータ処理に特化しており、意識や感情を持つことはできません。

4. 学習と適応

　人間の脳は経験を通じて学習し、環境に適応する能力があります。ニューラルネットワークも学習能力を持っていますが、その学習はデータに依存しており、人間のような柔軟性や創造性には限界があります。

まとめ

　ニューラルネットワークは、人間の脳の一部の機能を模倣することで多くのタスクを効率的に処理できますが、完全に人間の脳に近づくことはまだ難しいです。それでも、AI技術は急速に進化しており、今後の発展が期待されています。人間に近づくAIの研究は世界中で進められています。

 今後の展望

　以下にいくつかの主要な研究分野とその進展を紹介します。

1. 汎用人工知能（AGI）

　汎用人工知能（AGI）は、特定のタスクだけでなく、幅広いタスクを人間のようにこなすことができるAIを目指しています。現在のAIは特定のタスクに特化していますが、AGIはより柔軟で適応力のあるシステムを目指しています。

2. 認知科学とAIの融合

　認知科学の研究者は、人間の認知プロセスを理解し、それをAIに応用することで、より人間らしいAIを開発しようとしています。これには、感情認識や社会的スキルの向上が含まれます。

3. 脳とコンピュータのインターフェース

　イーロン・マスクのNeuralinkなどのプロジェクトは、脳とコンピュータを直接接続する技術を開発しています。これにより、脳の活動をより詳細に理解し、AIに応用することが可能になります。

4. 創造性と直感の研究

　AIが創造的なタスクをこなす能力を持つようにするための研究も進んでいます。例えば、AIが音楽を作曲したり、絵を描いたりするプロジェクトがあります。

5. 倫理と社会的影響の研究

　AIが人間に近づくにつれて、その倫理的な問題や社会的影響についての研究も重要です。AIが人間とどのように共存し、どのように社会に貢献できるかを探る研究が進められています。

　これらの研究はまだ初期段階にあるものも多いですが、将来的にはより人間に近いAIが登場する可能性があります。

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

＜　各論：記事   ＞

2025/01/12

＊人工知能（AI）技術　〜　最強の技術は最悪の結果を招く可能性がある（国立研究開発戦略センター）

https://www.jst.go.jp/crds/column/director-general-room/column65.html

　今後の生成AI、汎用AI、超人AIへの展開は、政治、経済、軍事、医療、文化、教育、学術などあらゆる人の営みに巨大な影響を与える。これは大いなる希望であるが未曾有の惨禍の源かもしれず、活用範囲は人類にとって真に利益あるものに限定されるべきである。「利益がリスクに勝る」、それはいったい誰の利益か、この言い分は通るまい。AIからの出力が、意図するかしないに関わらず立法権、軍事、経済などの独占的な支配力を握り、また収拾のつかない社会的混乱を招くならば、それは自己矛盾である。

AIは人類の歴史上最も優れた技術かもしれないが人間に鋭い牙をむくかもしれない。「人工知能は人類最悪にして最後の発明」とした知識人もいる（ジェームス・バラット）。偏向した価値観をもつ権力者たちの信条や政治的、経済的、軍事的動機が想定外の正のフィードバックを誘導して社会の破綻をもたらす可能性を否定はできまい。今すでに、AI技術を駆使した安全保障に関わるサイバー攻撃や狂気の沙汰である自律的致死兵器システム（LAWS）への転用、さらに社会的にもAI偽情報の拡散、偏見の拡大、世論誘導や心理介入認知戦などにより巨大な不都合をもたらしている。

日本社会はAI技術に破壊的イノベーションを求めるというが、その行方はユートピアなのか、あるいはディストピアであろうか。いったいAIは公共財なのか私財なのか。制御するのは国家、企業体、あるいは個人なのか。政治、経済、教育などにおける平等、公平、公正の十分な保障についての構想があるのだろうか。AI技術濫用による多様な社会的病理の発生、拡大、蔓延は、抗い難いエントロピー増大（無秩序状態への移行）の問題であり、その軽減、解決は抑止目的の科学技術はもとより法規制だけでは甚だ困難である。可能だとすれば、国際的合意による高性能半導体や必須部品の供給停止、あるいは強権による膨大な電力消費の制限くらいであろうか。しかし実効性は乏しいだろう。（国立研究開発戦略センター）

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

2024/11/10

＊個人も企業も「AI依存症」が蔓延…利益至上主義の技術革新が「人間の主体性」に重大なリスクをもたらす

https://news.yahoo.co.jp/articles/d2e12c8866edfb4a18f222add1d6603e10e1e5a7

　＜すさまじいペースで進む技術革新にまったく追いつけない AI規制。巨大テックは「中国脅威論」を隠れ蓑に規制を回避し、独占空間を拡大させ続けている＞【木村正人（国際ジャーナリスト）】

　［ロンドン発］米ブルームバーグのテクノロジー担当記者で新著『Supremacy』（筆者仮訳：覇権）を発表したパーミー・オルソン氏はロンドンのオフィスビルで「政府が技術革新の速いペースについていけない。このため、AI（人工知能）規制は遅れている」と指摘した。

　「AIが強力になれば、がんのような病気を治すのに役立つだろう。気候危機さえも解決するかもしれない。ちょっとクレイジーに聞こえるかもしれないが、これがハサビス氏が純粋にやろうとしていたことなのだ」とオルソン氏は語る。 しかし、非商業的なAGI（人間のような認知能力と自律性を持つ未来のAI）を作ろうというディープマインドの志は打ち砕かれ、グーグルの営利主義にのみ込まれた。ディープマインドの多くの関係者は同社の革新的なテクノロジーは一企業に独占されるべきではないと考えていた。（Newsweek）

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

2024/11/09

＊人工ニューラルネットワーク研究を牽引してきた日本。なぜノーベル賞を逃したか？（文春オンライン）

https://news.yahoo.co.jp/articles/ac869def7d20aaf9f411f360524204a23992c3e5

　2024年度のノーベル物理学賞、ノーベル化学賞がともにAI関連の受賞であったことは驚きをもって伝えられた。

なぜAI関連の受賞が相次いだのか?　人工ニューラルネットワークの概念を確立し、深層学習（ディープラーニング）の発展に大きく貢献したプリンストン大学名誉教授のジョン・ホップフィールドとトロント大学名誉教授のジェフリー・ヒントンのノーベル物理学賞受賞の画期性とは。 　

その背景には、まず2021年度の「複雑物理系」のノーベル物理学賞受賞があり、今回の受賞はそれと関連して分野を越境してもたらされたものであると日本における複雑系・カオス理論研究の第一人者の津田一郎氏は分析。3回にわたって解説記事をお届けする。（全3回の＃2）

　今回委員会が越境したのが人工知能分野である。純粋に人工知能の研究ということなら適任者は他にも大勢いる。また、2000年以降の人工知能は脳の神経回路網を模した人工神経回路（ANN）である。ANNの研究では日本は先駆的であったし、その代表である甘利俊一、中野馨、福島邦彦たちの研究成果は世界的にも早くから認知されてきた。（文春オンライン）

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

2024/10/27

＊沈静化するAIブーム、導入企業が突き当たる「現実の壁」（Forbes JAPAN）

https://news.yahoo.co.jp/articles/4adfc68c8bcf5fcb645df2662d3b324a0b3f0070

　人工知能（AI）は、推進派が語るようなバラ色の未来を、すべて実現させているだろうか？　

ビジネス界のリーダーたちは、口では今も生成AIに強い関心を抱いていると言っているものの、デロイトが先ごろ発表した調査でも示されているように、熱気は冷めつつある。

企業幹部や取締役のうち、生成AIに対する関心が「高い」「非常に高い」と回答した者の割合は、前者では67％、後者では57％だ。それぞれ、2024年第1四半期の値から8ポイントと6ポイント減少している。

　要するに、我々はいまだに学習段階にあるということだ。信用調査会社のTransUnion（トランスユニオン）でデータサイエンスと分析部門のシニアバイスプレジデントを務めるマイケル・ウムラウフは、「私が関わる業界はどこも、大規模でグローバルな実験に参画している。生成AIとそれに関連する技術が、継続性のある事業価値を創出できるのかを見極める実験だ」と語る。

「こうした実験が進展し、（これらのツールや関連するシステムを、どう適切に管理するかという点も含めて）理解が深まるのに従い、当初の期待は自然と下降線をたどり、よりしっかりと現実に根差したところに着地するだろう」（Forbes）

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

2024/10/25

＊ノーべル物理学賞に「AI研究者」の選出で波紋、

   統計物理学から生まれた人工知能研究の軌跡と新たな科学の潮流とは

https://news.yahoo.co.jp/articles/82fb6551ab8f78dac3fac1b3cda4cc31ca3d53f0

　ここ最近の数年間で「生成AI」という言葉はわれわれ一般人の間にまで浸透した。生成AIとは一般的に、文章などでAIに出力させたいデータの説明を入力すると、目的とする文章や画像、音楽、動画などをAIが作りだし、出力するシステムのことだ。 　

われわれの認識では、生成AIはコンピューター科学の分野に属する技術だが、2024年のノーベル賞では、物理学賞の受賞者として、AI研究者のジョン・ホップフィールド氏と、ジェフリー・ヒントン氏の2人を選出した。

　2人の受賞理由は、1982年にホップフィールド氏が発明したネットワークによる連想記憶のモデルである「ホップフィールドネットワーク」と、それを基にヒントン氏が1985年に「ボルツマンマシン」と呼ばれる新たなネットワークを開発したことが、それぞれ評価されたからだ。 　

これらの研究は、現代のChatGPTやStable Diffusionのような、生成AIを構成する高度なネットワークに比べればはるかに初歩的で単純なものだが、2人によって生み出されたアイデアが、いまの生成AI研究の出発点になったのだ。（東洋経済）

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

2024/10/20

＊ジェフリー・ヒントン独白 「深層学習の父」はなぜ、 AIを恐れているのか？

https://www.technologyreview.jp/s/306240/geoffrey-hinton-tells-us-why-hes-now-scared-of-the-tech-he-helped-build/

　深層学習の父と呼ばれるジェフリー・ヒントンが本誌の取材に応じ、グーグルを退社した理由を語った。グーグルを辞めてから話したい「AIの問題」とは何か？

　ジェフリー・ヒントンがグーグルを退社するという電撃発表をした5月1日の4日前、私はロンドン北部の美しい通りにあるヒントンの自宅で彼に会った。ヒントンは、「バックプロパゲーション（逆伝播）」と呼ばれる現代の人工知能（AI）の中核をなす非常に重要な技法の開発に貢献した深層学習のパイオニアだ。しかし、グーグルに10年間在籍したヒントンは、AIについて現在彼が抱いている新たな懸念に焦点を当てるべく同社を退社すると言う。

   新しい「GPT-4」のような大規模言語モデルの性能に驚愕したヒントンは、現在では自身が最初に開発したこのテクノロジーは深刻なリスクを含んでいる可能性があると考えており、そのことについて世間の認識を高めたいと考えている。

　　ヒントンは、新世代の大規模言語モデル、特にオープンAI（OpenAI）が2023年3月に公開した「GPT-4」によって、機械は予測していたよりもずっと賢くなる方向に進んでいると実感したと語る。そして、そのことが引き起こすかもしれない結果に恐怖を感じているのだ。

「大規模言語モデルは私たちとはまったく異なります」とヒントンは言う。「まるで宇宙人が降り立ったかのようだと思うことがあります。とても上手に英語を話すので、人々は気づいていませんが」。 (MIT Technology Review)

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

2024/10/16

＊「AI研究がノーベル物理学賞を受賞するのは変ではないか？」

…世界が抱いた疑問に対し、「AIのゴッドファーザー」が明かした「見解と本音」

https://news.yahoo.co.jp/articles/1820ab4f75dc4c4afe2cee994015d9ea8a35f6b8

　もちろんノーベル賞を受賞した両教授の業績にケチをつけたり、それに異議を唱えるといった声は全く聞かれないが、それでも内心「(コンピュータ科学が物理学賞を受賞するのは)なんか違うんじゃないの？」という、ある種の疑問や割り切れない思いを抱いた人も少なくないと見られている。

 この点について、米ニューヨークタイムズ紙のCade Metz記者が率直な質問を受賞直後のヒントン教授(関係者の間で「AIのゴッドファーザー」と呼ばれている)への電話インタビューで投げかけている。 その全部を紹介することはできないが、たとえば「ニューラルネットは本来コンピュータ技術です。それがどうして物理学と関係してくるのですか？」という単刀直入な質問に対し、ヒントン教授はおおむね次のように答えている。

 「(ホップフィールド教授が発案した)ホップフィールド・ネットやそれをベースに私自身が行ったボルツマン・マシンなどの(ニューラルネット関連)研究は本来、統計物理学に由来しています。ただし、これらのAI技術はその後、あまり発展することはありませんでした。一方、(ChatGPTや生成AIなど)現在のAIモデルに使われている主な技術は(ニューラルネットの)バックプロパゲーション(誤差の逆伝播)と呼ばれるもので、これは物理学とはあまり関係がありません」

（現代ビジネス）

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

2024/10/16

＊AI関連研究のノーベル賞受賞から考える、新たな科学研究の可能性と課題

https://wired.jp/article/how-the-ai-nobel-prizes-could-change-the-focus-of-research/

ノーベル物理学賞に続き、AIを活用した研究が化学賞を受賞した。研究手法に大きな変革をもたらしたAIは、今後の科学研究のあり方をも変えてしまうのだろうか？

もう少しわかりやすく解説すると、AIはここに存在し、AIを研究することでほかの分野に貢献すれば、ノーベル賞を受賞することが可能になったということなのだ。ヒントンとホップフィールドの場合は物理学、ハサビスとジャンパーの場合は化学分野での受賞となる。化学賞はハサビスとジャンパー、そしてワシントン大学のゲノム科学者であるデビッド・ベイカーとの共同受賞となる。(WIRED)

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

--------------------- 

ホームへ戻る

---------------------