AIの基礎知識|どうなる今後、そして現状と歴史
作成日:2025-05-29
更新日:2025-09-15

がくる

シンギュラリティとは、
AIが人間の知能を超えること
AIってどんな種類がある?
AIの4つのレベル
- 反応型AI:チェスAIなど
- 限定記憶型AI:今のAIはここが多い。
- 心の理論型AI:まだ夢の段階。
- 自己認識型AI:これはSFの世界。
反応型AI
いちばんシンプルなAI。
目の前にある情報だけ見て、それに対して決まった動きをするタイプ。
たとえばチェスのAI。
「この状況やったら、この手やな」って反応するだけで、過去のことも未来のことも考えない。
限定記憶型AI
ちょっとだけ記憶できるAI。
最近の出来事とかデータを覚えて、それを使って判断する。
たとえば、自動運転の車。
周りの状況とか前の車との距離を一時的に覚えて、どう動くか決める。
心の理論型AI
人間の気持ちとか考え方を想像できるAIのこと。
ただし、まだ夢の段階。
「この人は、今こう思ってるかもな」って察することができたら、コミュニケーションにも使えるはず。
でも、今はまだ実現できてない。
自己認識型AI
「わたしって誰?」って、自分自身の存在を理解してるAI。
自分の感情とか思考まで持ってるような、SFの世界みたいな存在。
ここまで来たらもう哲学の領域であり、今の技術じゃまだまだ遠い話。
→ いま動いてるAIは、だいたい「反応型」か「限定記憶型」まで。
弱いAIと強いAI
弱いAI(ANI)と強いAI(AGI)
- 弱いAI(ANI):決まったことしかできない。
- 強いAI(AGI):なんでもできる天才型。
弱いAI(ANI)
特定のことだけ得意な、職人肌のAI。
画像を見分けるとか、翻訳するとか、将棋するとか。
一つの分野では無敵だけど、ほかのことはさっぱり。
いま世の中にあるAIの、ほとんどはこれ。
強いAI(AGI)
なんでもできる、ほんものの知能を持ったAI。
言葉もわかって、考えて、自分で学んで成長する。
でもこれはまだ理論上の話で、誰も本物を作れてない。
→ ChatGPTも、見た目はすごいけど、実は「強いAI」ではなく「賢い弱いAI」。
AIの歴史
第一次AIブーム(1950年代〜1960年代)
- 探索とか推論とかで、迷路を解くAIが出てきた。
- ちょっと難しい問題になるとお手上げ。
- その後、「AIの冬」突入。
第二次AIブーム(1980年代)
- 専門家の知識をルールで登録してた。
- でも、知識を入れるのが面倒すぎて、また失速…。
第三次AIブーム(2000年代後半〜今)
- 機械学習・ディープラーニングの登場で大進化!
- 画像認識・自然言語処理で人間越えた分野も出てきた。
特徴:
- ビッグデータ活用
- 計算能力アップ
- ディープラーニングの進化
- クラウドの普及
- 機械学習ツールが豊富に
シンギュラリティって?
AIが人間の知能を超えて、世界をガラッと変えてまう瞬間のこと。
単なる技術の進化ではない。
「もう人間では追いつかれへんスピードで、世界が変わる」ってレベルの話。
そのとき、何が起きるん?
AIが自分でAIを作って、どんどん賢くなっていく。
医療も教育も政治も経済も、AI中心で動くようになるかもしれない。
人間の仕事が不要になることもあるし、
「人間って何だ」っていう根っこの問いが出てくるかもしれない。
いろんな意見がある
レイ・カーツワイルさん(未来を読むのが得意な人)
2045年にはシンギュラリティが来ると言ってる。
AIは早いスピードで賢くなってるから、もう時間の問題だと考えている。
懐疑派の研究者たち
「人間の知能はそんなに単純ではない」と考える人々。
感情とか文脈とか、AIにできることには限界があるだろうという立場。
現実派の立場
「画像認識とか一部ではAIのほうがすごいけど、
どんな状況でもうまく対応できるAIはまだ」だと冷静に見てる人々。
2025-05-29
編集後記:
この記事の内容がベストではないかもしれません。
記事一覧
-
[AI Bot]作ってみるFeeling-to-Words Python×OpenAI|感情の言語化ボットを作ってみる -
[FAISS]forfast vector search. 検索エンジンのFAISSとは|似てるものを超高速で探してくれる機能 -
[What's AI?]Intent Classification Intent Classification(意図分類)|チャットボットが自然に会話するために必要なもの -
[What's AI?]Attentionas a spotlight 【AIの仕組み】Attentionは言葉に光を当てるスポットライト -
[LangChain]FAISS.load_local LangChainのFAISS.load_localとは|検索インデックスを再利用する方法 -
[LangChain]thresholdしきい値 LangChain のthreshold(しきい値)とは|ベクトル検索における「信用のボーダーライン」設計