AI・人工知能とは？定義・歴史・種類・仕組みから事例まで徹底解説

最終更新日:2024/08/21

AI・人工知能とは？徹底解説

近年は、モノ・サービスの品質が日々向上し続けており、その品質向上に貢献する存在としてAI・人工知能に大きな注目が集まり始めています。社内の業務をAIに代行させる企業なども多くなってきているため、多くの方が「AI・人工知能」という言葉自体は聞き馴染みのあるものになってきているのではないでしょうか。

しかし、AI・人工知能の定義や仕組みまで詳しく理解できているという方は、決して多くないかもしれません。そこで今回は、AI・人工知能の定義や歴史、仕組みなどを詳しく解説するとともに、身近なAIの活用事例についても紹介していきますので、ぜひ参考にしてみてください。

AI・人工知能とは？

そもそもAI・人工知能とは、一体どのようなものなのでしょうか。まずはその定義から詳しくご紹介していきます。

AIとは、「Artificial Intelligence」の略語であり、日本語に訳すと「人工知能」となります。人間の脳で行っているような作業をコンピューターが同じように模倣し、自然言語を理解したり、論理的に推測したり、経験に基づく学習を行ったりすることを目的とするプログラムを「AI」と呼ぶのが一般的です。

ただ、これはあくまでも「一般的にはそう認識されている」というレベルのものであり、AI・人工知能に明確な定義が存在するわけではありません。なぜなら、AIの研究者ごとに認識や解釈はそれぞれ少しずつ異なる傾向にあるからです。また、AIが未知の可能性を秘めている存在であり、今後どのような形で活躍していくのかが未知数であることも、AIの定義が明確に定まらない理由のひとつといえるでしょう。

専門家によるAIの定義

一般的なAIの認識としては「人間の知能をコンピューターを用いて人工的に再現したもの」といえますが、一般社団法人人工知能学会では、AIという言葉の生みの親であるジョン・マッカーシー教授の「知的な機械、特に知的なコンピュータプログラムを作る科学と技術」という言葉を紹介しています。

また、近年ではさまざまな研究者により研究が進められており、それぞれが異なる言葉でAIを定義づけているため、「AIに関しては明確に定義されていない」というのが現状なのです。AIの専門家による「AIの定義」をいくつかご紹介します。

松尾豊（東京大学）	人工的につくられた人間のような知能、ないしはそれをつくる技術。
中島秀之（札幌私立大学）武田英明（国立情報学研究所）	人工的につくられた、知能を持つ実態。あるいはそれをつくろうとすることによって知能自体を研究する分野である。
西田豊明（東京大学）	「知能を持つメカ」ないしは「心を持つメカ」である。
溝口理一郎（北陸先端科学技術大学院）	人工的につくった知的な振る舞いをするためのもの(システム)である。
浅田稔（大阪大学）	知能の定義が明確でないので、人工知能を明確に定義できない。
長尾真（京都大学）	人間の頭脳活動を極限までシミュレートするシステムである。人工的に作る新しい知能の世界である。
山川宏（玉川大学）	計算機知能のうちで、人間が直接・間接に設計する場合を人工知能と呼んで良いのではないかと思う。
松原仁（公立はこだて未来大学）	究極には人間と区別が付かない人工的な知能のこと。
山口高平（慶應義塾大学）	人の知的な振る舞いを模倣・支援・超越するための構成的システム。
栗原聡（慶應義塾大学）	人工的につくられる知能であるが、その知能のレベルは人を超えているものを想像している。
池上高志（東京大学）	自然にわれわれがペットや人に接触するような、情動と冗談に満ちた相互作用を、物理法則に関係なく、あるいは逆らって、人工的につくり出せるシステムを、人工知能と定義する。

AIの対義語

AIの対義語は、Natuar Intelligence（ネイチャー・インテリジェンス）という言葉です。「NI」という略称で呼ばれています。Natuar Intelligenceを和訳すると「自然知能」となり、人間や動物などの自然が生み出した知能のことを表した言葉といえるでしょう。

AI（人工知能）の特徴

AIの特徴は、以下の2つの性質が備わっていることです。

自律性
適応性

自律性とは、人間が指示を出さなくとも作業を遂行できる能力を指します。一方、適応性とは、学習や経験した内容をもとに能力をアップできる能力のことです。

この自律性と適応性が備わっているAIは、家電を制御するプログラムや音声認識、掃除ロボットなどさまざまな作業での活用が可能となっています。

AI（人工知能）の歴史

AI・人工知能への注目度が高まったのはここ数年であるため、AIの歴史は浅いと思われている方もいらっしゃるでしょう。しかし、実はAI・人工知能には長い歴史があり、現在に至るまでにさまざまな出来事が起きているのです。ここからは、AI・人工知能の歴史について詳しくみていきましょう。

人工知能の歴史について詳しく知りたい方は、下記をご参照ください。

「AI・人工知能の歴史について年表を活用しながら時系列で簡単に紹介」

第一次AIブームは探索・推論の時代（1960年-1974年）

AIという言葉自体は60年以上前に誕生していたといわれています。1956年にアメリカ東部の都市ダートマスで行われた「ダートマス会議」というワークショップで初めて、人間のように考える機械のことを「AI（人工知能）」と呼ぶようになりました。

そんなAIのブームはこれまでに3度起こっており、最初のブームである「第一次AIブーム」は、1950年代後半〜1960年代に勃興しました。この時代は「推論（人間の思考過程を記号で表現し、実行しようとすること）」や「探索（解き方のパターンを場合分けして、目的となる条件を探し出すこと）」という技術によって、パズルや簡単なゲームなどをはじめとする「明確なルールが存在する問題」に対して高い性能を発揮していたのです。そのため、AIにかかる期待も大きくなっていました。

しかし、現実の複雑な問題を解くことは難しく、性能的な限界が見え始めてしまったことにより、最初のAIブームは下火となっていきます。この第一次AIブームの際にAIが解いていた実用的とはいえない問題は、「おもちゃの問題（トイ・プロブレム）」と呼ばれました。

第一次AIブームに生まれた「イライザ（ELIZA）」とは

第一次AIブーム中に注目された出来事の一つとして、人工対話システムの「イライザ」が挙げられます。イライザ（ELIZA）とは、マサチューセッツ工科大学（MIT）のジョセフ・ワイゼンバウム氏が1966年に作成した人工対話システムのことです。

このイライザは、人類が初めてコンピュータと会話したシステムとして一時大きな注目を集めました。しかし、イライザは人間の問いに対して「考えて回答」しているわけではなかったのです。

例えば、人間がイライザに「お腹が痛い」と言えば、イライザは「なぜ腹が痛いのか？」と返答します。一見、これはきちんとした会話のように感じられるかもしれませんが、この会話は事前にイライザに多数の会話パターンとして仕込まれていたものだったのです。

そのため、事前に仕込まれたパターン以外の質問には、イライザは回答することができませんでした。しかし、イライザと会話している人が偶然、ワイゼンバウム氏が想定したパターンに則した質問を続けることで、見事に会話が成立してしまったわけです。そのため、多くの人が「イライザには知性がある」と信じてしまいました。

第二次AIブームはエキスパートシステムが台頭（1980年-1987年）

1980年代に入ると、AIの研究は再び勢いを増して「第2次AIブーム」が到来しました。この第2次AIブームでは、コンピューターに「知識」を入れ込む研究が進められ、規定のルールに基づいた作業を実行する第一次AIブームのときよりも、有用性の高いAIが生まれています。

なかでも、専門分野の知識を組み込んだプログラム「エキスパートシステム」は、大きな注目を集めました。エキスパートシステムでは、コンピューターに専門的な知識を入れ、条件に応じた答えを示すようにプログラミングしていくことで、「適切に回答する専門家」のような役割をコンピューターが担えるようになりました。

実際に医療や生産、金融、人事、会計など、さまざまな分野に向けて「エキスパートシステム」は作成され、1980年代に存在していた大企業の約3分の2は日常業務にこのシステムを活用していたといいます。

ただし、このエキスパートシステムも決して完璧ではありませんでした。曖昧な事例に対しては、適切な判断を下すことが難しかったためです。たとえば、医療分野におけるエキスパートシステムの場合、「体がだるい」などの曖昧な情報だけでは、患者にどのような症状・病気の可能性があるのかという回答を出せませんでした。

当時の技術では「理想的なAIを実現するのはまだ難しいだろう」と結論が下され、AIブームは再び沈静化しました。

第三次AIブームで機械学習とディープラーニングが発展（1993年-2022年）

そして現在迎えているのが第3次AIブームです。このブームを呼ぶきっかけとなったのは、他でもなく「機械学習」でしょう。機械学習とは、AIが自ら学習していく仕組みのことです。

過去のデータを読み込ませることによってAIが学習し、そのデータに基づいた上での予測を行っていくことが可能になりました。そして、この機械学習に加えて、コンピューターがデータから特徴量を自動的に抽出できる「ディープラーニング（深層学習）」という技術も実用化されるようになり、より高い技術力を発揮できるようになったのです。

たとえば、これまでリンゴを認識させるためには、「赤い」「丸い」といった特徴を人間が教えなければなりませんでした。しかし、ディープラーニングであればコンピューターが自動的に特徴を分類した上で、人間では識別できない特徴のかたまりを形成できるようになったのです。人間が1からリンゴの特徴を教えなくても機械が自らリンゴの特徴を捉えられるようになったことは、大きな進歩といえるでしょう。

AI・人工知能の種類

強いAIと弱いAIの比較

AI・人工知能の種類としては、大きく分けて以下の4つが挙げられます。

強いAI
弱いAI
汎用型AI
特化型AI

これら4つがどのような特徴を持っているのか、それぞれ詳しくみていきましょう。

強いAI

強いAIとは、人間のように「自意識」を備えているAIのことで、全認知能力が求められる作業にも対応することが可能です。フィクション映画などで描かれる「人間のような感情を持ち、物事を考えて行動するAI」をイメージすればわかりやすいでしょう。こういった「強いAI」は、人間が事前にプログラムしたり、データを与えたりしなくても、状況に応じて自ら判断を下すことができます。

弱いAI

弱いAIは、与えられた仕事は自動で処理を行えるものの、事前にプログラムされていない仕事には対応できないAIのことを指します。人間の知性の一部分のみを特化させたものであり、特定のタスクだけを処理できるのが「弱いAI」に該当するわけです。現在実用化されているAIは、すべて弱いAIに該当します。

汎用型AI

汎用型AIというのは、人間と同じ感情や思考を持っている人工知能のことです。人間は、想定外の出来事が起きてしまっても、過去の経験に基づいて総合的に判断し、問題を解決していくことができます。

汎用型AIは、このいった「人間のような問題処理能力」を持っています。しかし現時点では、汎用型AIを実現するための方法は明らかになっていません。ただ、特定領域においては人間以上の能力を発揮することができるAIも存在します。

特化型AI

特化型AIは、特定の作業のみに特化した人工知能のことを指します。現在多くの企業で研究が進められているのは「特化型AI」です。

特化型AIの代表例としては、自動運転技術や画像認識、囲碁・将棋・チェスなど、ひとつの機能のみに力を発揮するものが挙げられ、これらは別の作業を行うことができません。ただし、人間と同等もしくはそれ以上のパフォーマンスを発揮することができるため、さまざまな分野で活用されているのです。

AI・人工知能の仕組み

AI・人工知能の仕組みについて詳しく理解する上で欠かせない要素となるのが、以下の3つです。

機械学習
ニューラルネットワーク
ディープラーニング

これら3つがどのような役割を担っているのか、詳しくみていきましょう。

機械学習

機械学習とは、大量のデータをもとにAIが自ら学習して、予測や分類の作業を実行するモデル・アルゴリズムを自動的に形成できる技術を指します。

機械学習の方法は、「教師あり学習」「教師なし学習」「強化学習」の3種類に分けられます。以下の項目では、それぞれの種類ごとに機械学習の方法をご紹介します。

種類	方法
教師あり学習	ラベル（正解の情報）が付与されたデータを使って機械に学習させる方法で、データセット（標本データ）に基づいた予測モデルを形成する。
教師なし学習	ラベルを付与していないデータを使って学習させる方法で、データセットの規則性や類似性に基づいて機械が予測モデルを形成する。
強化学習	目的として設定した「スコア」を最大化できるように、機械に自ら試行錯誤しながら学習させる方法。

これらの機械学習は、画像に写っている人物の顔を判別できる認証機能や、過去のデータに基づいた株価の将来予測などで活用されています。

機械学習のアルゴリズム「ニューラルネットワーク」とは

機械学習には多様なアルゴリズムが存在し、その内のひとつに「ニューラルネットワーク」というものが存在します。このニューラルネットワークとは、いわば「人間の脳神経の仕組み」のような機械学習アルゴリズムです。

脳の回路に似た形のユニットで構成されており、「入力層」「中間層」「出力層」の3層で構成されています。そんな3層のうちの「中間層」を深くしたものがディープラーニング（深層学習）なのです。

ディープラーニング

ディープラーニングとは、膨大な量のデータを学習し、共通点を自動で抽出していくことによって、状況に応じた柔軟な判断を下すことが可能になる「機械学習技術の内の1つ」です。先ほどもご紹介したように、機械学習における3層のうちのひとつである「ニューラルネットワーク」をさらに発展させたものになります。従来の機械学習と異なる点としては、より高精度な分析を行うことができるという点が挙げられるでしょう。

ディープラーニングを活用した具体例としては、画像の自動認識・自動生成や、自動運転などの作業支援、創作物の作成が挙げられます。画像の自動認識とは、文字や顔の特徴を認識する「パターン認識技術」を指し、ATMの顔認証機能やスマートフォンの指紋認証機能などへ活用されています。また、文字やデータの入力で画像の自動生成も可能となり、Webサイトの制作やインテリアデザインなどの仕事にも用いられているのです。

さらに、作業支援としては一般車の自動運転やビジネス資料の作成で採用されています。ディープラーニング技術を用いて小説や音楽、絵画などの創作物も作成できるようになったため、AIを活用する可能性はますます広がっています。

画像の自動認識、自動生成

機械学習でも加増判別を行うことは可能ですが、機械学習では色などのデータから判定を行っています。一方、ディープラーニングでは色などの決められた要素だけで判定を行わず、「どこを見るか」を自動で学習していくわけです。まさに、人間が画像を見て認識する際と同じようなイメージといえるでしょう。言葉では表現できない微妙な違いも表現できるのがディープラーニングの大きな特徴です。

こういった技術を活用し、最近では需要予測、株価予測などにもディープラーニングが導入され始めています。

自動運転などの作業支援

近年大きな注目を集めている自動車の自動運転も、ディープラーニングによって実現されています。自動運転は複雑なロジックであり、日本ではまだ一般的に普及されていませんが、近い将来一般的に普及される可能性は極めて高いでしょう。

また、自動運転だけでなく、医療の診断においてもディープラーニングを活用することができます。がんの転移や血管の疾患検知など、人間による診断ではミスしてしまう可能性がある難しいものでも、ディープラーニングを搭載した機械であればミスなく診断できる可能性を秘めています。

創作物の作成

小説や音楽など、個人の創造力が求められるものでも、ディープラーニングであれば人間らしい抽象的な結果を創出できる可能性が秘められています。そのため、近い将来ディープラーニングによって小説や音楽が作られるようになるかもしれません。

AI（人工知能）の機能・活用例

AIの機能は主に「画像認識」「音声認識」「自然言語処理」「予測・異常検知」に分けられ、さまざまな業界・領域で活用されています。以下の項目では、AIの機能ごとにできることや活用例について見ていきましょう。

機能	できること	活用例
画像認識	画像に写っている人・物の識別	・防犯カメラの映像チェック・工場における不良品の検知
音声認識	人間の音声のテキスト化・処理	会話型AIによるコールセンター対応・議事録の作成・自動翻訳・スマートフォンなどのAIアシスタント
自然言語処理	人間が入力するテキストの変換・処理	・文字入力変換・Web検索エンジンの運用・機械翻訳・ビッグデータの活用
予測・異常検知	過去のデータに基づいた将来的な予測外れ値・変化点などの検出による異常検知	・商品の需要予測・製造業における設備・製品の異常検知・メールやチャットのスパム検知

上表のとおり、AIの機能は多岐にわたり、多くの業界・領域で活用されています。

金融機関の本人確認
株価予測
機械翻訳
AIスピーカー
掃除ロボット
農業・畜産業
製造業
金融
自治体
交通
観光・旅行
小売・飲食・サービス業
不動産業界
医療・ヘルスケア

生成AIを活用した代表的なサービス

ここ最近になり、生成AIを活用したサービスが急速に増えてきました。

生成AIとは、データのパターンや関係を学習し、新しいコンテツを生成することができるAIです。

生成AIを活用した代表的なサービスを2つ紹介します。

ChatGPT
Stable Diffusion

ChatGPT

ChatGPTとは、高度なAI技術によって、人間のように自然な会話ができるAIチャットサービスです。2022年11月に公開され、たちまち無料で利用できる革新的なサービスとして注目を集め、生成した文章の見事さや人間味のある回答がSNSなどで大きな話題となりました。

ChatGPTで主にできることは、以下の10点です。

日常会話
テキストの翻訳
文章の要約
テキストやコードの添削
メール文作成
企画書作成
プレゼン資料のひな形作成
プログラミング（マクロ、Python等のコード生成）
表作成（関数作成）
炎上リスクの判断

試しに、「AIについて簡単に教えて」と入力してみました。

ChatGPTを用いて質問している画像

ChatGPTについて詳しく知りたい方は、こちらの記事をご覧ください。

「ChatGPTとは？使い方や始め方､日本語対応アプリでできることも紹介！」

Stable Diffusion

Stable Diffusionは、2022年にStability AIが公開した画像生成AIです。
ユーザーが入力したテキストをもとに画像を生成できます。画像を生成する際は、まず英単語で区切ってイメージを入力します。例えば「美しい湖を眺める少女」の場合、「beautiful lake, girl, see」などを試します。

よりイメージに近い画像を生成するためには、詳細にイメージを伝えることが重要です。単純な英単語だけでは再現性が低いため、慣れてきたら英文を使ったプロンプトを作成することが推奨されます。

Stable Diffusionは「潜在拡散モデル」という機械学習モデルで訓練されているため、特別なプログラムや複雑なアルゴリズムを理解する必要はありません。

Stable Diffusionとは？

ChatGPTもStable Diffusionも注意点として、情報の内容を自分で確認し、必要に応じて修正することが重要です。

なぜなら、AIが情報を生成する際に、必ずしも正確な情報を提供できるわけではないからです。

AI・人工知能との付き合い方

これからの時代、私たち人間はAI・人工知能とどのような付き合い方をしていけば良いのでしょうか。「AIに仕事を奪われるのではないか」といった不安の声が上がることも少なくない中で重要になるのが、「AIとの関わり方」について知ることです。

たとえば、プログラミングを習得し、AIの中核技術とされる機械学習を自ら実装できるようになることは、一つの付き合い方として有効といえるでしょう。特に近年は「Python」と呼ばれるプログラミング言語が人気を博しているため、AIエンジニアになるための手段として学習してみるのも効果的な手段といえるかもしれません。

また、最近ではノンプログラミングでディープラーニングを実装できるツールも多くなってきているため、それらのツールを活用するのも一つの付き合い方として有効です。必ずしもAIに関する専門知識を持った社員が在籍しているとは限らないため、こういったツール・サービスを積極的に活用していくことも検討する必要があるでしょう。

AI・人工知能は、今後もさまざまな分野で導入が加速していくことが予測されます。専門知識がなくても簡単にAIを導入できるツール・サービスなども増えてきていますので、ぜひこの機会に「自社に合ったAI活用の道」を見出してみてはいかがでしょうか。