◇「ニューラルネットワーク」５７年に萌芽／現在の「深層学習」へ進化
ＡＩに関する記事が紙面に載らない日はない。ＡＩすなわち人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）という言葉は、今から半世紀前に学術分野を議論する会議で、著名な学者が議論して生まれた。その当時において、ＡＩの研究は何を目指そうとしていたのだろうか。また、現在その目標はどこまで達成できたのだろうか。ブレイクスルーを起こし第３次ＡＩブームの火付け役となった深層学習は、その当時の技術からみてどのような位置にあるのかを歴史からひもといてみる。
人工知能という言葉が生まれたのは、１９５６年のダートマス会議とされている。ジョン・マッカーシー、マービン・ミンスキーらによって議論された。ＡＩ研究の目的は“機械によって、言語を使えるようにし、抽象化と概念の形成ができ、人しか解けない問題を解き、機械が自身の機能を改善する方法を探索する”とされた。このうち、現在実現しているものは、“機械が言語を使える”という機能である。長い文章の要約もできるが、文章の中身を理解していないので、抽象化・概念形成しているとはいえない。これまで、人にしかできないと思っていた問題解決のいくつかはできているが、ほんの一部だといって良い。また、機械が自らの機能を改善することもできない。大きな進歩はあったものの、まだまだ道半ばである。
◇“強い／弱いＡＩ”
ダートマス会議で宣言されたＡＩは、“強いＡＩ”に近い。“強いＡＩ”とは、人のようになんでもできる知能を指す。現在主流のＡＩは“弱いＡＩ”と呼ばれ、狭い領域に特化した機能を実現し、主に機械学習を中心としたＡＩのことである。機械学習とは教師となる学習用のデータからルールを学び、未知のデータをそのルールに従って分類や回帰（予測・推定）する機能である。
機械学習の手法は種々ある。その一つ、ニューラルネットワーク（ＮＮ、人の脳の構造をまねた数式的モデル）について触れよう。ＮＮは、半世紀後に現在の深層学習へと進化する。５７年にフランク・ローゼンブラットがＮＮの一種であるパーセプトロンを考案。６９年のミンスキーとシーモア・パパートによる著書「パーセプトロン」で、入力と出力だけの２層の単純パーセプトロンは、線形分離可能なものしか分類できないと批判された。しかし、中間層を持つ多層パーセプトロンは、非線形分離可能であり、６７年に東京大学の助教授であった甘利俊一氏によって、確率的勾配降下法という学習方法が考案されていた。
この確率的勾配降下法は、８０年代の第２次ＡＩブーム時に誤差逆伝搬法として再発見される。
第１次ＡＩブームであった、その当時の計算機能力が十分でなく、３層以上の多層パーセプトロンを用いて学習するのは困難で、注目されずに終わってしまった。そう考えると現在のＡＩを牽引している深層学習は、既に６０年代に発明されていたといえる。
◇当時として画期的
その頃、東芝は６７年に郵便物自動処理装置を開発し６８年に製品化している。３桁の手書き文字を読む機械学習技術はＡＩではなくパターン認識と呼ばれていた。人の機能の一部を実現したという程度だったが、その当時にしては画期的だった。
◆用語解説
◆回帰 学習データから連続値の規則性を抽出し、未知データを予測すること。気温とある店の氷の売り上げの記録データから規則性を見いだし、次の日の予報気温から売上を予測するような応用に用いられる。
◆誤差逆伝搬法 出力値と正解の差（誤差）を出力層からさかのぼって、誤差が小さくなるようにネットワークの重みＷを調整する学習手法
◆確率的勾配降下法 誤差逆伝搬法の具体的なやり方の一種。誤差が小さくなる方向（勾配）を見つけその方向にネットワークの重みｗを調整する。学習データの一部をランダムに選ぶことにより、勾配方向にランダム性を取り入れ最適な解を探索できるようになる。
電気新聞２０２３年３月２７日
