みなさんこんにちは、デジタルボーイです。
今回は、2023年・2024年に愛知県中小企業診断協会の理論政策更新研修での登壇内容「AIを活用した中小企業診断」の内容をWEB発信する目的で構成しています。
特にこれまでAIに携わったことのない方でもわかりやすく、概要を学べるように構成しているのでみてみてください！
AIとは何か？
AIについては、テレビでもネットでも、ChatGPTとか生成AIとか画像生成とか、いろんな情報が出回っていますね！そのため、多くの人はAIについては漠然とイメージを持っていると思います。でも、なかなか、AIについて具体的な知識はなかなかしらないことが多いいんじゃないでしょうか。
なので、この記事では、とりあえずざっくりとAIの概要を理解してもらうことを前提に、内容を書いてみました！
AIの定義ってなに？
実は、AIというのは厳密に定義されているものではなく、研究者によってちょっとずつ変わっています。なので、実は、「これはAIで、これはAIでない」なんて分別はできないんですね。学者のなかでも漠然としているので、一般の方にとって、AIがわかりにくいのは当たり前ですよね。
たとえば、1956年に世界で初めてAIを提唱したと言われているジョン・マッカーシー（John McCarthy）はAIを“the science and engineering of making intelligent machines” （訳すと「知的な機械を作るための科学と技術」）というように言ったとされています。（参考：https://www.forbes.com/sites/bernardmarr/2018/02/14/the-key-definitions-of-artificial-intelligence-ai-that-explain-its-importance/?sh=37299f244f5d）
まあ、ざっくりと、人工的に知能を作るための技術くらいに思っていただければ、問題ないでしょう。
AIの活用場面でAIを分類してみる
AIにはどんなものがあるのか簡単に分類してみましょう。分類については、日本ディープラーニング協会のAIに関する検定である「G検定」のテキストに沿ってご紹介します。
レベル１：簡単な制御プログラム
現在の家電の多くは組込みプログラムという、電子制御をするためのプログラムが導入されています。で、このような簡単な制御プログラムをレベル１のAIと呼ぶことができるらしいです（まあ、一般的には、これをAIなんて言いませんが、あくまで、専門家が考えたAIの分類についての、知的な遊びとして）。
レベル２：古典的な人工知能
レベル２の人工知能は、探索、推論、知識データの活用などの高度な機能を持つAIと言われています。このレベルのAIは、複雑な環境で、自分自身で問題解決や意思決定を行う能力を有しています。具体的な例として、ロボット掃除機を挙げてみすね！
レベル３：機械学習
レベル３以降が、世の中で一般的にイメージされるAIにより近いものになります。AIっぽい仕組みですね。このレベル３の機械学習というのは、大規模データ（いわゆるビッグデータ）から、AIがパターンや規則性を学習して、その学習結果を用いて、AIが新しいデータに対して予測や意思決定を行う技術になります。このレベル３での機械学習では、しばしば、「学習」と「予測」という処理がセットででてきます。
レベル４：ディープラーニング
ディープラーニングは日本語では深層学習と言います。厳密にはディープラーニングも機械学習の中の一手法なんですが、その強力さと応用力の高さで、その他の機械学習を「伝統的な機械学習」とし、ディープラーニングと区別することが多いですね。
AIによる、画像生成とか、画像認識とか、チャットボットとか、音楽生成なんかがこれに当たります。レベル３の機械学習とのちがいは、ざっくり言えば、Excelで扱うような数値データ（テーブルデータ）を学習するのがレベル３の伝統的な機械学習、数値データ以外の、画像データ、言語データ、音声データなどを扱うのがレベル４のディープラーニングというように思ってもらえれば、概ねOKです。
以上、レベル１〜レベル４について、さらに詳しく学びたい方は以下を参照ください。
AIの歴史
AIは意外と古くからある？
AIって、ここ最近になって爆発的に普及しましたね。なので、ここ最近で作られた理論体系なのかと思うかもしれません。でも、実は、結構前から研究されていた分野だったりします。AIについての歴史をざっとみていきましょう。
AIの誕生と第1次AIブーム:1950年〜1960年
「人工知能」(Artificial Intelligence)という概念は１９５６年のアメリカで開催されたダートマス会議で初めて、公式に提唱されたと言われています。
この会議では次のような研究者が、参加し、人工知能について、議論したと言われています。
冬の時代：1970年代ごろ
しかし、実際には、その期待は過剰なものだったです。というのも、AIを使った問題解決は、ある程度決まりきった特定の問題（迷路や数学の定理やゲームなど）であって、人間が生活する上で直面する複雑な問題については、まったく処理できないものだったんですね。
第2次AIブーム：1980年代ごろ
そして、1980年代は、AIの第2次ブームが起こります。特に、エキスパートシステムという人の持つ知識をデータベース化し、瞬時に回答をする仕組みが作られ、注目されました。
このエキスパートシステムというのは、ある特定の専門分野の専門家がもっているその人の知識を一旦データベース化し、それを効率よく検索させるようにプログラム化したものです。ここら辺は、今のAIともかなり近い仕組みですね！
冬の時代：1980年代ごろ
エキスパートシステムの台頭による第2次AIブームはすぐに廃れてしまいます。AIブームが廃れた、大きな理由の一つは、AIに食わせる知識をデータベースするするのがめんどくさいという点でした。例えば、医療用のAIを作るにあたて、このような症状だったらこれ、このような症状だったらこれ、というようなパターンをコンピューターに管理しないといけません。でも、このころのコンピューターは今ほど使いやすいものでもないですし、膨大な知識をデータ化することが、とてもめんどくさかったようです。
第3次AIブーム：2010年〜（→NEW！）
AIに食わせるデータベース化の難しさからAIは冬の時代に突入しました。しかし、2000年ごろからビッグデータと言われる、大規模データが急速に広まります。インターネット技術によって大規模データのやり取りが簡単になったり、ハードウェア技術の進歩によって、大規模データを安価に保管したり、大規模データをスピーディーに操作することもブームの手助けになりました。
ここで述べた歴史については以下に詳しく書いてありますので、よかったらみてくださいね
AIにはどんな種類がある？
AIには弱いAIと強いAIがある？
AIを語る時、よく「強いAI」と「弱いAI」ということばがでることがあります。AIの実情を知る上で、このことは結構、重要な概念なので、触れてみたいと思います。
とはいえ、残念ながら、今のところ、強いAIは開発されていないと言われています。世の中のAIは全て「弱いAI」です。よくSF映画であるような、AIが自我をもち、暴走して、人間への復讐をする。。。なんてAIはまだ開発されていないとのことです。
AIの種類については以下にも詳しく書いてあるので、よかったら見てみてください！
AIに関する市場動向
世界のAI市場とその動向
以下は、AI市場の世界における規模とその動向についてのデータです。
世界におけるAIの市場動向予測（ビリオン米ドル）
出典：https://www.precedenceresearch.com/artificial-intelligence-market
2022では、AI市場は4540億ドルに対して、2032年では、2兆5750億ドルにまで成長すると予測されています。これは、2022年から2032年までの10年間で、5.7倍にもなるということです。
日本のAI市場の動向
次に、日本のAI市場について見ていきましょう。
以下のデータは、日本のAI市場の規模とその動向についてのデータです。
日本のAI市場予測（出典：総務省令和５年版「情報通信白書」より）https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r05/html/nd249100.html
これを見ると２０２２年の日本のAI市場は、約４００億円(ざっくりと世界の１００分の１)で、2027年の市場は１１００億円（ざっくりと世界の２００分の１）です。
AIの市場についてはこちらにも記載してあるので、参照ください。
伝統的な機械学習について
機械学習(maschine learning)とは、プログラムにデータを与えて、そのデータからパターンを見つけ出し、そのパターンを使って、パターン分類や予測やグループ分けなどを行う技術のことです。タイトルには機械学習の前に（伝統的な）という文言をつけています。伝統的な機械学習というのは、ここではディープラーニング以外の機械学習を指すことにします。
伝統的な機械学習では、以下のような特徴量という数表（テーブルデータ）で表されたデータ元に、パターンをAIが学習します。
伝統的な機械学習については以下にまとめてありますので、よかったらみてください。
ディープラーニング(深層学習)
ディープラーニングとは、人工知能(AI)を支える技術の中の一分野ですが、ここ最近のAI発展の中心的な技術でもあります。ディープラーニングを使うことで、大量のデータから自動的に特徴を抽出し学習を行うことができます。
伝統的な機械学習も、大量のデータから自動的に特徴を抽出し学習を行う点で、ディープラーニングとは同様です。ただし、伝統的な機械学習とディープラーニングで、もっとも異なる点があります。それは、伝統的な機械学習は、AIが学習するためのデータを、テーブルデータ（数表）の形式で人間の手で加工しなければならないのに対して、ディープラーニングは画像やテキストなどのデータをテーブルデータの形式にしなくとも、そのままAIが取り込み学習できるという点です。
- 伝統的な機械学習・・・AIが学習するためのデータをテーブルデータ（数表）の形式に加工しなければならない。
- 深層学習・・・画像やテキストなどのデータをテーブルデータの形式にしなくとも、そのままAIが取り込み学習できる。
このような点で、ディープラーニングという手法は機械学習の手法の位置手法なのですが、他の機械学習の手法と大きく異なる特長を有することから、他の機械学習と区別し、ディープラーニング（深層学習）と呼ばれています。
人間の脳には約1000億個の神経細胞(ニューロン)があると言われています。そして、このニューロンはそれぞれが独立しているのではなく、それぞれが結合し合っています。神経細胞同士が結合する接点をシナプルとよび、この結合をシナプス結合と言います。網の目のように結合し合っているので、神経細胞”網“、ニューラル“ネットワーク”というんですね。ディープラーニングはそのような神経細胞をコンピュータープログラムで表現することで、これまで実現できなかった学習ができるようになりました。
ディープラーニングについては以下にもまとめてありますので、参照ください。
生成AIについて
そもそも生成AIってなに？
生成AIを英語で言うと、generative AIと言います。生成AIは、文章、画像、音声などの情報やデータを生成する人工知能の総称です。従来のAIは、与えられた入力に対して出力を生成するのに対し、生成AIはこれまで学習した膨大なデータのパターンから、新しい情報やデータを生成することができます。
生成AIの種類としては主に次のようなものがあります。
- 自然言語生成モデル：ユーザーが何か文字を入力することで、AIモデルが文章を生成します。アプリケーションとしては、ChatGPTが代表例ですね。 ChatGPTにはGPT-3やGPT-4と言う大規模言語モデル（AIモデル）が使われています。
- 画像生成モデル：ユーザーが何か文字を入力することで、AIモデルが画像を生成します。ChatGPTに組み込まれているDALL-Eが有名ですね。その他、Stable Diffusionなどが画像生成のAIモデルとして有名です。
- 音声合成モデル：ユーザーが何か文字を入力することで、AIモデルが人間の声に似せた音声を生成します。たとえば、GoogleのWave Netや、AmazonのPolyが音声合成モデルとしては有名です。
生成AIサービスはどんなものがある？
ChatGPT
言わずと知れた、生成AIサービスのトップランナーですね。
OpenAIという人工知能企業が提供するサービスです。無料版と有料版があります。2024年5月現在、有料版は20ドルです。円安の影響で月によって負担が変わります。。。
Claude
アメリカのAnthropicという人工知能が提供するサービスです。Claudeは「クロード」と読むらしです。ここ最近、急速に広まってきました。ChatGPTに比べて、日本語が自然で、精度の高い文章を生成するということで、評価されています。
僕も、数ヶ月前まではChatGPTがメインだったのですが、文章生成についてはこのClaudeを使っています。特に、日本語の文章は、ChatGPTに比べて自然な気がします。
google Gemini
googleが開発している生成AIです。
基本的には文章生成がメインのサービスです。画像生成も英語で依頼すれば可能とのことなのですが、僕自身は何度かやってみても、生成できませんでした。まだまだ、画像生成については実用レベルには達していないと言えます。
生成AIについてはこちらにもまとめてあるので、みてください
まとめ
以上、AIについての概要でした！それぞれについて、さらに詳しく解説した記事もあるので、よかったらみてください！
