AIのABC

ヘルスケアから天気予報、サプライ チェーンまで、さまざまな業界が 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、より深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と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とも呼ばれるこの用語は、真に人間のように考えることができる機械を表しており、蓄積されたエクスペリエンスを通じて特に訓練されていない問題を解決することにより、本質的に人間の知能を再現します。

これは、映画やテレビでよく見られるAIのSF版です。理論的には、チューリングテスト(1950年に彼の概念を「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。AGIはまだ存在しませんが、Google DeepMindのAlphaGoは、2016年にこの分野でのブレークスルーの可能性として見出しを飾りました。

このタイプのAIは、膨大な問題解決の可能性と広範な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。

人工知能のサブセットで、AIは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します。AUは、人間の認知能力を強化し、バイアスやヒューマンエラー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えるように支援することに焦点を当てています。

チャットボットや、AppleのSiri、AmazonのAlexa、Googleアシスタントテクノロジーなどの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。これは自然言語処理(NLP)によって駆動されており、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、バイアスについて人間が理解することを優先する哲学。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間で信頼と自信を築くことになると特に重要です。XAIは、ブランドが組織全体でAIを開発および統合するための責任あるアプローチを作成するのを支援することもできます。

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

MLのクラスであり、生成AIの一般的なフレームワークです。GAN は、ジェネレーターと識別器の 2 つのニューラル ネットワークで構成されます。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、両方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アセット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および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学習されます。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。

大規模な言語モデルも生成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調査し、次の単語や記号を予測することで、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と音声アシスタントの背後にあるテクノロジーです。

弱AIまたは特殊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。メールスパムフィルターや、自動運転車などの自律走行車も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との間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しているため、コンピューターは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有用であるため、マーケティングチームを支援する多くのAIテクノロジーの鍵となります。

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で行うのと同じように、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。

「実践して学ぶ」と最も簡単に説明できるMLモデルで、システムは正しい選択をすることで報酬を得ますが、これはシステムが自分で正しい選択を行うことを学習するまでです。

ロボティック・プロセス・オートメーション(RPA)は、ユーザーがソフトウェアロボット、つまり「ボット」を作成し、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、複数の入力オブジェクトのペアと目的の出力値を使用してアルゴリズムをトレーニングすることで一意に定義されます。

MLで使用される転移学習は、以前に学習し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。

MLのアプローチで、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性を探し、人間に指示されるのではなく、データ自体から学習します。

AIとMLの詳細については、Sitecoreナレッジセンター。