本文へ移動
なぜ?図鑑 まず答え。それから、しくみ。

なぜ?図鑑 暮らし・社会・未来

AIは、どうやってできたの?

こたえ

AIは、たった一人が一度に発明したものではありません。「考えるとは何か」という問い、数学、プログラム、たくさんのデータ、速いコンピューターを、世界中の研究者や技術者が70年以上かけて積み重ねてきました。

読む時間・対象・資料
読む時間 約7分 対象 小学3年生〜大人 出典 5件
目次9項目
  1. 01こたえ
  2. 023つの数字
  3. 03時系列
  4. 04背景
  5. 05昔と今
  6. 06よくある勘違い
  7. 07親子で話す
  8. 08よくある質問
  9. 09出典

3つの数字昔への入口になる数字。

  • 1950機械の知能を問う論文アラン・チューリングが「機械は考えられるか」を調べる方法として模倣ゲームを示しました。
  • 1956AIという分野の出発点前年の提案をもとに、米国ダートマス大学で研究プロジェクトが開かれました。
  • 70年以上たくさんの人の積み重ね考え方、学習方法、データ、計算機の進歩が重なり、今の生成AIにつながりました。

時系列で見る一気に賢くなったわけではない。

  1. 1950年
    チューリングが「模倣ゲーム」を示す

    機械の内側を決めつけるのではなく、文字で会話した相手を人と機械から見分けられるかという問いに置き換えました。

  2. 1955〜56年
    「人工知能」という名前を使う

    ジョン・マッカーシー、マービン・ミンスキー、ナサニエル・ロチェスター、クロード・シャノンが研究計画を提案しました。ここはAI研究の大切な出発点ですが、AIが一夏で完成したわけではありません。

  3. 1997年
    Deep Blueがチェス世界王者に勝つ

    IBMのコンピューターが、大量の候補手を高速に調べて勝利しました。人のように何でも考えるAIではなく、チェスという決まった課題に強い仕組みでした。

  4. 2012年
    深層学習が画像認識を大きく前進させる

    約120万枚の訓練画像とGPUを使った深いニューラルネットワークが、画像を1000種類に分類する成績を大きく伸ばしました。

  5. 2017年
    Transformerが提案される

    文章の中で、どの言葉とどの言葉の関係が大切かに注目する仕組みが提案されました。大規模な学習を進めやすくし、今の多くの生成AIにつながりました。

  6. 2022年ごろ〜
    生成AIを会話で使う人が広がる

    文章、画像、音声などをつくるAIが一般の人にも身近になりました。出力は便利ですが、事実と違う答えをつくることもあります。

変化の背景どうして、できるようになったの?

人が書いたルールから、例を見て学ぶ方法へ

昔のAIには、「もし○○なら△△する」というルールを人が細かく書くものが多くありました。今の機械学習では、たくさんの例を見せ、正解に近づくように数字のつながりを調整します。

ただし、学習の目的、データ、確かめ方を決めるのは人です。AIだけで勝手に育っているわけではありません。

資料にはこうあるAIの学習は、例の中にあるパターンを数字で見つけ、次の出力を予測しやすくすること。

データとコンピューターが大きくなった

よい考え方があっても、計算が遅く、学ぶための例が少なければ試せません。インターネットでデータが増え、GPUなどが大量の計算を速くできるようになったことで、深いニューラルネットワークを現実に訓練できるようになりました。

資料にはこうある現在のAIは「アルゴリズム」だけでなく、データ、計算機、電力、人の仕事がそろって動く。

うまくいかない時代も、研究は続いた

AIには期待が大きくなった後、できることの限界が分かり、研究費や関心が減った時期もありました。それでも研究者は別の方法を試し、失敗や遠回りから次の技術をつくりました。今のAIも完成形ではありません。

資料にはこうある進化は一直線ではなく、期待、失敗、見直し、新しい発見のくり返し。

昔と今前と今を、同じ物差しで並べる。

ルール中心のAI
  1. 人が条件と答えを細かく書く
  2. 決められた範囲では正確に動きやすい
  3. 想定していない例には弱いことがある
学習中心のAI
  1. 多くの例からパターンを数字で学ぶ
  2. 文章・画像など複雑な入力も扱える
  3. もっともらしい間違いを出すことがある

よくある勘違い「AIは、人と同じように分かって考えている」?

実際は 同じだとは言えません。

生成AIは、学習したパターンから次に続きそうな言葉などを計算して出します。人のような気持ちや経験があると確認されたわけではなく、流ちょうな答えでも内容が正しいとは限りません。

親子で話す家の人の学校と、いまの学校。

果物を分けるAIの先生になろう。「赤い・丸い」だけでリンゴを教えると、赤いボールをどう判断する? どんな例を足せばよいか考えてみよう。

よくある質問もう少し気になったら。

AIを発明したのは誰?

一人に決めることはできません。チューリング、マッカーシーらを含む多くの研究者が、時代ごとに考え方や技術を積み重ねました。1956年のダートマス研究プロジェクトは、分野に名前がついた重要な出発点です。

AIは見たことを全部覚えている?

本をそのまま並べた図書館とは違い、学習した例のパターンを多数の数値に反映します。ただし、学習データの一部を似た形で出す場合もあり、個人情報や著作権への注意が必要です。

どうしてAIは間違えるの?

多くの生成AIは「次にもっともらしいもの」を予測する仕組みで、事実だけを取り出す機械ではないからです。大切な内容は一次資料や詳しい人に確かめます。

出典参考にした資料。

  • Computing Machinery and IntelligenceOxford Academic(1950年) チューリングが模倣ゲームを示した原論文。
    資料 ↗
  • A Proposal for the Dartmouth Summer Research Project on Artificial IntelligenceStanford University(1955年) 「artificial intelligence」という言葉を使った研究計画の原文。
    資料 ↗
  • Deep BlueIBM(1997年の記録) チェス世界王者との対局、仕組み、計算力を開発元の記録で確認。
    資料 ↗
  • ImageNet Classification with Deep Convolutional Neural NetworksNeurIPS(2012年) 大規模画像データとGPUを使った深層学習の論文。
    資料 ↗
  • Attention Is All You NeedarXiv(2017年) Transformerを提案した原論文。
    資料 ↗
資料の読み方について

公的機関・研究機関・専門団体の資料を優先しました。一般向けの学習記事で、専門家の監修は受けていません。個別の診断や指示ではありません。

  1. 01
    チューリングが「模倣ゲーム」を示す

    機械の内側を決めつけるのではなく、文字で会話した相手を人と機械から見分けられるかという問いに置き換えました。

  2. 02
    「人工知能」という名前を使う

    ジョン・マッカーシー、マービン・ミンスキー、ナサニエル・ロチェスター、クロード・シャノンが研究計画を提案しました。

  3. 03
    Deep Blueがチェス世界王者に勝つ

    IBMのコンピューターが、大量の候補手を高速に調べて勝利しました。

やってみよう

果物を分けるAIの先生になろう。「赤い・丸い」だけでリンゴを教えると、赤いボールをどう判断する? どんな例を足せばよいか考えてみよう。

「AIが答えた」で終わらず、誰が目的を決め、どんな例で学び、誰が間違いを直すのかを一緒にたどると、魔法ではなく仕組みとして見られます。

親子で話すなら

果物を分けるAIの先生になろう。「赤い・丸い」だけでリンゴを教えると、赤いボールをどう判断する? どんな例を足せばよいか考えてみよう。

次に読む。

暮らし・社会・未来の記事をすべて見る · なぜ?図鑑のトップへ

ここまで読んでくれて、ありがとう。
まずこの10本 · 06 このページは、キッズポータルの名物10本のひとつです。 10本を見る
記事情報