【10年間のAI革命】英語解説を日本語で読む【2023年9月29日｜@AI Uncovered】
過去10年で人工知能は大きく進化し、その影響は多岐にわたります。ディープラーニングの革新により、機械は複雑な情報の処理やパターンの理解をすることができるようになりました。音声認識技術の発展により、コンピュータは私たちの言葉を理解し、日常生活における音声認識システムが一般的になりました。医療ではAIが診断や治療に大きく貢献し、ディープフェイク技術や画像認識技術も進展しています。自動運転車の普及、推薦システムの発展、そして大規模言語モデルの革新など、AIの進化は私たちの生活や業界に革命をもたらしています。
公開日：2023年9月29日
※動画を再生してから読むのがオススメです。
In the last 10 years, artificial intelligence has grown a lot and has become important in changing industries and technologies.
この10年間で、人工知能は大きく成長し、産業やテクノロジーを変える重要な存在となった。
It's also changing the way we live and work and has brought us closer to having smart machines and systems that can do things and make choices just like humans.
人工知能は私たちの生活や働き方をも変え、人間と同じように行動し、選択できるスマートな機械やシステムの実現に近づいている。
By the end of this video, you'll discover the 10 most important artificial intelligence innovations that have changed our world.
このビデオの最後には、私たちの世界を変えた最も重要な10の人工知能イノベーションを発見できるでしょう。
Let's start.
始めよう。
Number one: deep learning.
その1、ディープラーニングです。
One breakthrough in artificial intelligence is deep learning.
人工知能の画期的な進歩のひとつにディープラーニングがある。
It's a part of machine learning that is given artificial intelligence systems the ability to handle huge amounts of information and understand complex patterns.
これは機械学習の一部であり、人工知能システムに大量の情報を処理し、複雑なパターンを理解する能力を与えています。
IBM's deep blue was the first computer to defeat a world champion in a series of six game chess matches that lasted many days.
IBMのディープ・ブルーは、何日も続いたチェスの6番勝負で世界チャンピオンを破った最初のコンピューターだ。
Deep blue outplayed Gary Kasparov, showing that computers can handle intricate calculations.
ディープ・ブルーはゲリー・カスパロフを圧倒し、コンピューターが複雑な計算を扱えることを示した。
Deep blue had the power to evaluate 200 million but potential chest positions every second.
ディープ・ブルーは毎秒2億の潜在的な胸の位置を評価する力を持っていた。
In 2008, an AI program named Polaris won against two champions in a poker competition in Las Vegas.
2008年、ラスベガスで開催されたポーカー大会で、ポラリスというAIプログラムが2人のチャンピオンに勝利した。
Then, in 2011, IBM's Watson outperformed Jeopardy champions Brad Rutter and Ken Jennings, earning the 1 million dollar top prize.
そして2011年、IBMのワトソンはジェパディのチャンピオンであるブラッド・ラッターとケン・ジェニングスを上回り、100万ドルの賞金を獲得した。
In 2015, DeepMind showed how powerful deep learning could be by using it to play Atari video games and the game go.
2015年、ディープマインドはディープラーニングを使ってアタリのビデオゲームや囲碁をプレイし、ディープラーニングがいかに強力かを示した。
This caught the attention of many people, and since then, there have been even more exciting developments.
これは多くの人々の注目を集め、それ以来、さらにエキサイティングな発展が続いている。
Artificial intelligence systems have gone beyond humans in situations like combat and playing games.
人工知能システムは、戦闘やゲームプレイなどの状況で人間を超えています。
Together, they've conquered games like Starcraft 2, Quake 3, and even a jet fighter simulation called Alpha dogfight that's sponsored by the U.S. defense department.
スタークラフト2』や『Quake 3』、さらには米国防総省がスポンサーとなっている『Alpha dogfight』と呼ばれるジェット戦闘機のシミュレーションまで、人工知能システムは人間を超えてしまったのだ。
They've even taken on classic games like poker.
ポーカーのような古典的なゲームにも挑戦している。
Number two: speech recognition.
その2、音声認識です。
Another big discovery in artificial intelligence is speech recognition, when computers can understand what we say.
人工知能のもう一つの大きな発見は、コンピュータが私たちの言葉を理解できるようになる音声認識です。
For many years, there weren't many big improvements.
何年もの間、大きな改善はあまり見られなかった。
But in 2011, Google introduced Google Voice search, which lets lots of people use speech recognition through an app.
しかし2011年、グーグルがグーグル音声検索を発表し、多くの人がアプリを通じて音声認識を使えるようになった。
After that, Amazon's Alexa and Google Home came along, and now people feel more comfortable talking to machines.
その後、アマゾンのアレクサやグーグルホームが登場し、今では人々は機械との会話をより快適に感じるようになった。
In recent years, machine learning has led to big improvements in understanding spoken words.
近年、機械学習によって話された言葉の理解が大幅に向上しました。
Nowadays, we see speech recognition everywhere.
今では、いたるところで音声認識を目にするようになった。
People like using voice commands because it helps those who find it hard to learn or communicate.
人々が音声コマンドを好んで使うのは、学習やコミュニケーションが難しいと感じる人たちを助けるからだ。
It also makes things faster and saves money for businesses.
また、物事をより速く進め、企業にとっては経費の節約にもなる。
Artificial intelligence is making voice commands even better.
人工知能は音声コマンドをより良いものにしている。
Number three: deep fakes.
その3、ディープフェイクです。
Deep fakes are one of the artificial intelligence breakthroughs in 2021.
ディープフェイクは、2021年の人工知能のブレークスルーのひとつだ。
Deep fake apps like MyHeritage launched revolutionary deep fake apps.
MyHeritageのようなディープフェイクアプリが革命的なディープフェイクアプリをローンチした。
The software can animate photos of deceased family members.
このソフトウェアは、亡くなった家族の写真をアニメーション化することができる。
Deep fakes use advanced machine learning techniques, including deep learning, to fabricate convincing imagery and audio that deceives.
ディープフェイクは、ディープラーニングを含む高度な機械学習技術を用いて、人を欺く説得力のある画像や音声を捏造する。
Machine learning methods, particularly through networks like autoencoders and generative adversarial networks, craft deep fakes by learning from extensive data and generating authentic-looking content.
機械学習の手法、特にオートエンコーダや生成的敵対的ネットワークのようなネットワークを通じて、膨大なデータから学習し、本物そっくりのコンテンツを生成することで、ディープフェイクを作り上げる。
The term deep fake, a fusion of deep learning and fake, refers to AI-altered visuals and sounds portraying events that never occurred.
ディープフェイクとは、ディープラーニング（深層学習）とフェイク（偽物）を融合させた言葉で、AIによって改変された映像や音声が、実際には起こりえなかった出来事を描写することを指す。
With deep fake tech, artificial intelligence swaps faces and alters voices, illustrating occurrences that were never said or done.
ディープフェイク技術では、人工知能が顔を入れ替えたり声を変えたりして、言ったこともやったこともない出来事を描写する。
Number four: artificial intelligence in healthcare.
その4、医療の人工知能です。
Artificial intelligence has revolutionized healthcare, enhancing diagnostics, drug discovery, and personalized treatments.
人工知能は医療の革命を起こし、診断、薬剤の発見、個別治療を向上させています。
The launch of the Fitbit One Smartwatch in 2012 introduced a device that analyzes data to notify users and healthcare professionals about potential health issues and risks.
2012年に発売されたFitbit Oneスマートウォッチは、データを分析して潜在的な健康問題やリスクをユーザーや医療専門家に通知するデバイスを導入した。
Machine learning processes extensive medical data to detect diseases early, improving patient outcomes.
機械学習は膨大な医療データを処理して病気を早期に発見し、患者の予後を改善する。
AI-driven imaging technologies have evolved from academia to commercial applications.
AIを活用した画像処理技術は、アカデミアから商業用途へと発展してきた。
They identify eye, skin disorders, and cancers, matching experts' diagnostic accuracy.
彼らは眼や皮膚の障害、がんを特定し、専門家の診断精度に合致させます。
Risk scoring using artificial intelligence is prevalent.
人工知能を使ったリスクスコアリングが普及している。
Predictors are integrated into health record platforms and operations.
予測は医療記録プラットフォームや業務に統合されている。
Though some bias is present, these systems show promise.
多少のバイアスはあるものの、これらのシステムは有望である。
Artificial intelligence aids various health tasks, including surgery duration prediction, intensive care unit risk identification, and electrocardiogram reading.
人工知能は、手術時間の予測、集中治療室のリスク識別、心電図の読み取りなど、さまざまな健康タスクを支援しています。
Technologies transcribe medical data, produce high-res images, and assist clinicians in pediatrics.
医療データを書き起こし、高解像度の画像を作成し、小児科の臨床医を支援する技術もある。
While artificial intelligence's current presence is modest, its future in healthcare appears expansive.
人工知能の現在の存在感は控えめだが、ヘルスケアにおけるその将来は拡大しそうだ。
Number five: natural language processing (NLP). Natural language processing stands out as a groundbreaking achievement in artificial intelligence.
その5、自然言語処理（NLP）です。自然言語処理は、人工知能の画期的な成果として際立っています。
This innovation empowers machines with the ability to grasp, interpret, and interact with human language.
この技術革新は、人間の言葉を理解し、解釈し、対話する能力を機械に与える。
Siri marked the dawn of the virtual assistant era, transforming the way we interact with technology.
Siriはバーチャルアシスタント時代の幕開けを告げ、テクノロジーとの関わり方を一変させた。
Originally launched by Nuance Communications as a mobile app, Siri took a significant turn when it was acquired by Apple, ultimately finding its home within the iPhone 4S in 2011.
もともとモバイルアプリとしてニュアンス・コミュニケーションズによって発表されたSiriは、アップルに買収されたことで大きな転機を迎え、最終的には2011年にiPhone 4Sに搭載された。
Siri was the first to show how smart assistants could replace regular keyboards and screens with a remarkably natural voice.
Siriは、スマートアシスタントが通常のキーボードや画面を極めて自然な音声で置き換えることができることを初めて示した。
Siri offered a wide array of capabilities, including providing suggestions, arranging events, furnishing answers, tweaking device settings, and conducting searches.
Siriは、提案の提供、イベントの手配、回答の提供、デバイス設定の調整、検索の実行など、幅広い機能を提供した。
What set Siri apart was its ability to learn and adjust to individual preferences over time, refining its responses through ongoing interactions with users.
Siriを際立たせているのは、ユーザーとの継続的な対話を通じて、時間をかけて個人の好みを学習・調整し、対応を洗練させていく能力だ。
This technology has sparked a revolution in various aspects of our lives.
このテクノロジーは、私たちの生活のさまざまな側面に革命をもたらした。
Before, we had to use specific commands or keywords to interact with machines, but now we can talk to our devices more naturally.
以前は、機械と対話するために特定のコマンドやキーワードを使う必要がありましたが、今ではより自然にデバイスに話しかけることができます。
We can ask questions, give commands, or even just chat, and the machines understand.
質問したり、命令したり、あるいはただおしゃべりするだけでも、機械は理解してくれるのだ。
Number six: image and object recognition.
その6、画像と物体認識です。
Artificial intelligence has made huge strides in recognizing things in pictures and objects around us.
人工知能は、私たちの周りの写真や物体を認識することで大きな進歩を遂げています。
It can now identify objects, faces, and scenes accurately.
今では物体、顔、シーンを正確に識別することができる。
During the sixth ImageNet Large-Scale Visual Recognition Challenge in 2015, Microsoft and Google's machines outperformed humans in recognizing images.
2015年に開催された第6回ImageNet大規模視覚認識チャレンジでは、マイクロソフトとグーグルのマシンが画像認識で人間を上回った。
They achieved this feat by using deep learning algorithms that helped them identify objects and images belonging to more than one thousand categories.
彼らは、1000以上のカテゴリーに属する物体や画像を識別するのに役立つディープラーニング・アルゴリズムを使用することで、この偉業を達成した。
These algorithms were inspired by different types of artificial neural networks, which work similarly to the human brain.
これらのアルゴリズムは、人間の脳と同様の働きをする、さまざまなタイプの人工ニューラルネットワークにヒントを得ている。
This significant advancement enabled smart systems to automate tasks where recognizing objects or people is essential.
この大きな進歩により、スマートシステムは物体や人物の認識が不可欠な作業を自動化できるようになった。
and then make decisions based on that recognition.
そして、その認識に基づいて意思決定を行う。
Some systems can spot important things in pictures as they happen, like YOLO.
YOLOのように、写真に写っている重要なものをその場で発見できるシステムもある。
These systems are used for keeping an eye on crowds in real time, which is important for video surveillance and even for robots like self-driving cars.
このようなシステムは、リアルタイムで群衆を監視するために使用され、ビデオ監視や自動運転車のようなロボットにとっても重要である。
Number seven, autonomous vehicles.
その7、自動運転車です。
The rise of AI-driven self-driving cars has completely transformed the car industry.
AIによる自動運転車の台頭は、自動車業界を完全に変貌させた。
With the help of machine learning and smart sensor technologies, self-driving cars have the potential to revolutionize how we travel, making it safer and more efficient.
機械学習とスマートセンサー技術の助けを借りて、自動運転車は私たちの移動方法を変革し、より安全で効率的なものにする可能性を秘めている。
The idea of self-driving cars became a reality in 2018 when Waymo introduced its self-driving taxi service in Phoenix, Arizona.
2018年、ウェイモがアリゾナ州フェニックスで自動運転タクシーサービスを導入したことで、自動運転車のアイデアは現実のものとなった。
These taxis were controlled by an AI system called Waymo Driver.
これらのタクシーは、ウェイモ・ドライバーと呼ばれるAIシステムによって制御された。
This system used information from sensors to understand its surroundings and made detailed maps of more than 20 million miles in simulations.
このシステムはセンサーからの情報を使って周囲の状況を把握し、シミュレーションで2000万マイル以上の詳細な地図を作成した。
Then, it used artificial intelligence to analyze this data and find the safest route to the destination.
その後、人工知能を使ってこのデータを分析し、目的地までの最も安全なルートを探し出した。
What made Waymo's taxis special was that they weren't just used for testing, they were used by real people.
ウェイモのタクシーが特別だったのは、テストに使われただけでなく、実際の人間に使われたことだ。
Around 400 people paid to ride in these self-driving cars when they were first introduced.
これらの自動運転車が初めて導入されたとき、約400人が有料で乗車しました。
This showed that there was a real demand for this kind of technology beyond just experiments.
これは、単なる実験にとどまらず、この種のテクノロジーに対する真の需要があることを示していた。
Number eight, AI recommender systems.
その8、AIの推薦システムです。
In our information-rich world, recommender systems have become vital, automatically prioritizing our online experiences.
情報が溢れるこの世界では、オンライン体験の優先順位を自動的に決めるレコメンダー・システムが不可欠となっている。
These systems, such as Spotify and Netflix, heavily rely on artificial intelligence and greatly influence our product, service, and content consumption spanning news, music, videos, and more.
これらのシステム、例えばSpotifyやNetflixは、人工知能に大きく依存しており、ニュース、音楽、ビデオなどの商品、サービス、コンテンツの消費に大きな影響を与えています。
In 2006, Netflix held a prize competition to improve its algorithm's accuracy.
2006年に、Netflixはそのアルゴリズムの精度を向上させるための賞金コンテストを開催しました。
Over the past five years, as online activities surged, artificial intelligence behind recommender systems has evolved notably.
過去5年間で、オンライン活動が急増する中、推薦システムの背後にある人工知能は著しく進化しました。
Deep neural networks are now commonly used for better user response prediction.
現在、ユーザーの反応の予測をより良くするために、深いニューラルネットワークが一般的に使用されています。
Advanced machine learning techniques also analyze recommended content, understanding why it's suitable for a user.
先進的な機械学習技術も推薦コンテンツを分析し、それがユーザーに適している理由を理解します。
Spotify employs audio analysis, while BERT, known as bidirectional encoder representations from transformers, language models, enhance news or social media recommendations.
Spotifyはオーディオ解析を利用しており、BERT（双方向エンコーダ表現からのトランスフォーマーとして知られる）言語モデルは、ニュースやソーシャルメディアの推薦を強化します。
Number nine, robo-advisors.
その9、ロボアドバイザーです。
In 2010, a young entrepreneur named John Stein launched the first robo-advisor called Betterment.
2010年に、ジョン・スタインという若き起業家がBettermentという最初のロボアドバイザーを立ち上げました。
After that, more robo-advisors became popular.
その後、より多くのロボアドバイザーが人気を博しました。
Robo-advisors are online financial helpers.
ロボアドバイザーはオンラインの金融の助け手です。
They advise about money to help manage investments.
彼らは投資を管理するためのお金に関するアドバイスをします。
They work with the help of special computer rules or formulas.
彼らは特別なコンピュータのルールや式を使用して動作します。
These rules are made by financial experts, investment managers, and computer experts.
これらのルールは、金融の専門家、投資マネージャー、コンピュータの専門家によって作成されています。
The computer software follows these rules to decide how to invest money.
コンピュータソフトウェアはこれらのルールに従って、お金を投資する方法を決定します。
The software doesn't need a human to advise people.
ソフトウェアは人々に助言するための人間を必要としません。
It uses these rules to automatically take care of people's money for either short or long periods.
それはこれらのルールを使用して、短期間または長期間のどちらかのために自動的に人々のお金の世話をします。
Robo-advisors have become more popular in recent years with many developments.
ロボアドバイザーは、多くの発展とともに近年ますます人気が出てきました。
Number 10, neural networks and large language models.
その10、ニューラルネットワークと大規模な言語モデルです。
Neural networks brought a game-changing method to generative modeling.
ニューラルネットワークは、生成モデリングへの革命的な方法をもたらしました。
They set up a competition between two neural networks, one called the generator and the other the discriminator.
彼らは二つのニューラルネットワーク間の競争を設定し、一方をジェネレータと呼び、もう一方をディスクリミネータと呼びました。
This innovative approach has completely transformed how we create images, videos, art, and other content.
この革新的なアプローチは、私たちが画像、ビデオ、アート、その他のコンテンツを作成する方法を完全に変えました。
OpenAI took the world by storm with its breakthrough, the first of its kind.
OpenAIは、その種類の初めてのものとしてのブレイクスルーで世界を驚かせました。
The AI revolution started with ChatGPT in 2022 when OpenAI released GPT in November of the previous year.
AIの革命は2022年のChatGPTの登場とともに始まりました。OpenAIは前年の11月にGPTをリリースしました。
Its abilities amazed everyone.
その能力はみんなを驚かせました。
This AI chatbot gathers massive amounts of information from the internet to provide precise and human-like answers to almost any question and in nearly any language.
このAIチャットボットは、ほぼ任意の質問に対して正確で人間のような回答を提供するために、インターネットから大量の情報を収集します。
It can compose essays, articles, and poems, translate text, and come up with ideas from scratch.
それはエッセイ、記事、詩を作成したり、テキストを翻訳したり、ゼロからアイデアを考え出すことができます。
Whether it's outlining a medical research strategy or planning a child's birthday party, OpenAI later introduced DALL-E, which has the potential to generate images from textual descriptions.
医療研究の戦略を概説することや、子供の誕生日パーティーの計画をすること、OpenAIは後にDALL-Eを導入しました。これはテキストの説明から画像を生成する可能性があります。
And Midjourney, a generative artificial intelligence that generates images from natural language descriptions called prompts.
そしてMidjourney、それはプロンプトと呼ばれる自然言語の説明から画像を生成する生成的な人工知能。
All of these are powered by the same concept that generative adversarial networks introduced.
これらはすべて、生成的対抗ネットワークが導入した同じコンセプトによって動力を供給されています。
It's a creative revolution in the world of artificial intelligence.
これは人工知能の世界における創造的な革命です。
If you've made it this far, comment down below with the word 100 to confirm that you've received the knowledge from this video.
ここまで来たら、このビデオからの知識を受け取ったことを確認するために、下のコメント欄に「100」という言葉を入力してください。
For more interesting topics, make sure you watch the recommended video that you see on the screen right now.
さらに興味深いトピックについては、今すぐ画面に表示される推奨ビデオをご覧ください。
Thanks for watching.
ご覧いただきありがとうございます。
この記事が気に入ったらサポートをしてみませんか？