人工知能は、自然界のためにある

AI（人工知能）について、最近詳しい人たちからいろいろと話を聞くことができたので、メモ。

ぼく自身は全然専門でもなんでもないので、解釈がひん曲がってたらスイマセン。

まずはそもそも、界隈の人たちは『AI』という言葉自体を使うことを避けるらしい。

バズワードになっちゃったからだろうか。

たぶんAIだと主語が大きすぎて、議論しづらいんだと思う。

だからわりかし界隈の人は、ぼくたち素人がぼんやりとAIと思い描いているものを呼ぶときは、代わりに『機械学習』という単語を好んで使う印象。

ディープラーニングも、あんまり使わない。

これは技術の本質的な差異ポイントが、『機械学習』だからなのかなという予想。

それで、これはずっと前から言われていることでもあるけど、『機械学習』、（特にディープラーニング？というか教師なし学習？？）は、『アウトプットの過程』がとてもブラックボックスなのが特徴。

言い換えると、機械学習は、機械がどうやって学習しているのか、人間の論理では理解できない。

たとえば、機械学習といえばGoogleの猫の判別実験が有名だけど、あれもどうやって猫を判別しているのか、人間には分かっていない。

何千枚？何万枚も猫の画像だったり画像じゃなかったりをデータとして飲み込ませていたら、結果的に猫か猫じゃないかを高い確率で判別できるようになったという。

あと、昨今のトレンドとしては、AIが変に賢くなりすぎた？ということがひとつの問題となっているらしい。

要は、いままで機械学習を行うにはそれなりのデータ量が必要条件としてあったのだけれど、いまの少し性能の上がったAIは、比較的少ないデータ量でも、『これだ！』という特徴量を抽出して、上の例でいうなら猫か猫じゃないかを判別するようになっている。

悪く言えば持っている情報量が少ないのに決めつけるようになって、でも性能が上がっているからそこそこの確度で正解する。

ただ、持っている情報量が少なくて雑ではあるから、ちょっと色の違う猫とか、ちょっと体の大きい猫とか、イレギュラーなことに対応しにくくなっているという問題点。

あと、面白かったのは『機械学習は本来自然界に適応させるもの』という話。

AIとか機械学習とかって、イメージとしてソフトウェアのイメージが強いんだけど、ソフトウェアはそもそもデータとして可視化できるから、本丸はそこではないとのこと。

むしろ、変数が多すぎて人間の論理的思考能力では追いつかない現象を、機械学習を用いて（多少強引にでも？）モデルに落とし込むのが、本来の機械学習の使い方ということ。

要は、自然界であったり、有形物だったりのほうが、いままで『職人の経験と勘』みたいなのが幅を利かせていたんだけど、それって再現性がないし、そもそもその勘が合っているのかどうかもわからないから、そのあたりの現象を、機械学習でモデル化しようと。

上記した通り、機械学習は別に人間がきれいな数値に落とし込む必要はないので（=ブラックボックスなので）、自然界のイレギュラーな現象にも対応できるのではないかと。

やっぱりなにかしらの専門家の方の、熱量ある話を聞くのは楽しい😊

あしたはブロックチェーンについて、いろいろと勉強になることがあったのでメモします。