AIのABC

ヘルスケアから天気予報、サプライチェーンまで、業界はAIソリューションが提供する効率性と自動化を受け入れています。AIが市場に浸透し続けるにつれて、ブランドが人工知能、MLシステム、およびトレーニング方法をナビゲートし、よりよく理解するのに役立つ複数の用語があります。

人工知能は、人間の知能と人間の心を模倣できる人工知能システムや機械の作成に広く焦点を当てたコンピューターサイエンスの一分野です。人工知能システムは通常、膨大なデータセットを処理し、リアルタイムで意思決定をモデル化できるパターンを特定することで、その方法を「学習」します。

ストロングAIとしても知られるこの用語は、真に人間のように考えることができる機械を表し、累積的なエクスペリエンスを介して取り組むように特別に訓練されていない問題を解決することにより、本質的に人間の知性を複製します。

これは、映画やテレビでよく見られるAIのSFバージョンであり、理論的にはチューリングテスト(1950年に彼のバージョンの概念を「模倣ゲーム」と呼んだアランチューリングにちなんで名付けられました)に合格できる一種の人工知能です。汎用人工知能はまだ存在しませんが、2016年にGoogle DeepMindのAlphaGoがこの分野でのブレークスルーの可能性として話題になりました。

このタイプのAIは、大きな問題解決の可能性と広範囲にわたるユースケースを持つ可能性がありますが、対応する難易度も伴い、AIの調査中にそのようなシステムの作成に関する大きな倫理的懸念が提起されています。次のレベルの進歩は、人間よりも優れたシステムである人工知能(ASI)です。

AIが人間を完全に置き換えるのではなく、人間の働き方を支援する人工知能のサブセット。AUは、人間の認知能力を強化し、偏見や人為的ミスの除去を支援するように設計されたツールを使用して、人間がより良い意思決定を行うのを支援することに重点を置いています。

Apple の Siri、Amazon の Alexa、Google アシスタントのテクノロジーなどのチャットボットや仮想アシスタントなど、やり取りをシミュレートできる AI ソリューションの一種。これは、機械が人間の言語を処理するだけでなく、それに含まれるニュアンスを理解できるようにすることに焦点を当てた自然言語処理(自然言語処理)を利用しています。

人間の脳に触発された方法でデータを処理するようにコンピューターに教えるAIシステムのトレーニング方法。この設計により、ディープ ラーニング モデルは、トレーニング対象のデータ内の複雑なパターンを認識し、それらのパターンを使用して正確な結果を生成できます。

AIモデルの影響、精度、結果、バイアスに関する人間の理解を優先する哲学。XAIは、ユーザーがMLアルゴリズムの結果に自信を持つのに役立つアプローチであり、AIモデルを使用する人々の信頼と信頼を構築する場合に特に重要です。XAIは、ブランドが組織全体でAIの開発と統合に対する責任あるアプローチを作成するのにも役立ちます。

画像、テキスト、ビデオなど、「それ自体で」何かを生成するAIを広く指す包括的な用語。ChatGPT とそれに相当する画像生成 DALL-E は、このカテゴリに分類されます。

MLのクラスとジェネレーティブAIの共通フレームワーク。GAN は、ジェネレーターとディスクリミネーターの 2 つのニューラル ネットワークで構成されています。ニューラルネットワークはトレーニングプロセス中に連携し、その結果、両者のスキルが向上します。GANは、これら2つのニューラルネットワークがマルチメディア資産の生成に特に役立つため、生成AIフレームワークで一般的なアプローチです。

OpenAIによって作成され、ChatGPT-3とChatGPT-4で普及した特定のタイプの大規模言語モデル(LLM)。GPT は、大規模なテキストベースのデータセットでトレーニングされます。これらのモデルは、合理的であるだけでなく、テキスト的に関連する入力に対する応答を生成します。

大規模言語モデルも生成AIサブセットの一部です。LLMは、ディープラーニングと膨大なデータセットを使用して、提供されたテキストを研究し、次の単語や記号を予測することにより、人間のようなテキストを生成するアルゴリズムの一種です。LLMは、ほとんどのチャットボットや音声アシスタントの背後にあるテクノロジーです。

これは、弱い AI または特殊な AI とも呼ばれ、予測型アナリティクスや音声認識など、1 つの特定のタスク用に設計された AI システムの用語です。電子メールのスパムフィルターや、自動運転車などの自律走行車でさえ、このカテゴリに分類されます。

言語学、コンピュータサイエンス、人工知能の架け橋となるサブフィールド。NLPは、コンピューターと人間の言語の相互作用に焦点を当てています。大量の自然言語データを分析するようにコンピューターをプログラムする特定の方法を探すため、コンピューターがドキュメントを整理し、ドキュメント内の言語のニュアンスに基づいて情報を処理および抽出することもできます。

NLPは、ソーシャルメディアの投稿、カスタマーレビュー、サポートチケットの分析に役立つため、マーケティングチームを支援する多くのAIテクノロジーの鍵です。

人間の脳の神経構造に基づくMLモデル。人間の脳がニューロンを扱うのと同じように、相互接続されたノードを層に整理し、データを処理するときに接続の重みを調整します。

「実践による学習」と最も簡単に説明できるMLモデルで、システムが自分で正しい選択をすることを学習するまで、正しい選択を行うことで報酬が与えられます。

ロボティック・プロセス・オートメーション(RPA)は、ユーザーがルールベースのビジネス・プロセスを学習し、模倣し、実行できるソフトウェア・ロボット、つまり「ボット」を作成するソフトウェア・テクノロジーです。

MLと人工知能の両方のサブセットである教師ありMLは、アルゴリズムをトレーニングするために複数の入力オブジェクトのペアと目的の出力値を使用することによって一意に定義されます。

MLで使用される転移学習は、以前にトレーニングされたモデルを新しい問題に適用することです。転移学習では、機械は前のタスクから得られた知識を使用して、別のタスクに関する一般化を改善します。

機械がラベル付けされていないトレーニングデータの類似点を探し、人間から指示されるのではなく、データ自体から学習するMLのアプローチ。

AIとMLの詳細については、サイトコア Knowledge Center を参照してください。