人工知能(AI)とは

人工知能(AI)とは、人間の認知を模倣または複製するコンピュータの能力を指します。

学習目的

この記事を読み終えると、以下のことができるようになります。

  • 人工知能(AI)の定義
  • 機械学習、深層学習、生成AIの区別
  • AIの用途説明

関連コンテンツ


さらに詳しく知りたいとお考えですか?

是非、Cloudflareが毎月お届けする「theNET」を購読して、インターネットで最も人気のある洞察をまとめた情報を入手してください!

当社がお客様の個人データをどのように収集し処理するかについては、Cloudflareのプライバシーポリシーをご確認ください。

記事のリンクをコピーする

人工知能(AI)とは

人工知能(AI)とは、コンピュータなどの構築された機械が、人間の認知タスクをシミュレートしたり複製したりする能力を表します。AIを搭載した機械は、計算をしたり、予測を立てるためにデータを分析したり、さまざまな種類の標識や記号を識別したり、人間と会話をしたり、手作業による入力なしにタスクの実行を支援したりすることができます。

例えば、従来の自動車は、ドライバーが信号が青に変わったのを見てアクセルを踏めば加速し、ドライバーが標識を見てブレーキペダルを踏めば標識で停止するなど、人間のドライバーからの入力にのみ反応します。AIを搭載した自動車は、停止標識や信号機を自分で識別し、ドライバーの入力なしに停止したり加速したりする能力を持つことができます。

AIのルーツはコンピュータの始まり遡り、人工知能マシンがどのように機能するかを最初に説明した一人に数学者のアラン・チューリングがいます。以降、作られたコンピュータはすべて、以前は人間にしかできなかった計算を実行でき、ある程度の人工的知能を備えていると言えます。しかし、ここ数十年でコンピュータの能力、スピード、記憶容量は急速に拡大しました。今日、「AI」という用語は、コンピュータが実行できるより高度な認知タスクを指しています。

AIの仕組み

ほとんどのAIは、人間が合理的な時間で分析するには大きすぎるビッグデータセットの分析に基づき、構築されています。AIモデルは、これらのデータセットのパターンを特定し、そのパターンを使用して将来または付加的なパターンを予測するために構築されます。AIモデルは、そのために確率と統計分析を用います。AIモデルの中には、人間の行動を模倣できるほど優れたものもあります。

人工知能(AGI)とは?

人工知能(AGI)とは、オリジナルの思考、理由、プラン、その他、人間の認知能力を模倣するコンピューターの能力を表す用語です。簡単に言えば、AGIプログラムは、本質的に「人間」またはその知能は「意識」を持つものと言えます。

AGIエンティティは、統計的計算を超えた能力を持ちます。自分自身で考えて決定することができ、現在AIプログラムの訓練に必要な数よりもはるかに小さなサンプルから汎化することができるのです。後者の例として、人間の子供がさまざまな文脈で停止標識を識別できるようになるには、数十の停止標識の例を見ればよいだけですが、現在のAIプログラムでは一貫して識別できるようになるまで、何千、何百万もの一時停止標識の画像を見る必要があります。しかし、AGIは、人間と同じくらい早く、あるいはより速く学習することができます。

AGIが達成されたかどうかの判断は、技術的な問題ではなく、どちらかというと哲学的な問題となっています。しかし、AGIがどのように定義されているかにかかわらず、ほとんどの研究者や専門家は、実用化までには少なくとも数年はかかるという認識で一致しています。

機械学習とは

機械学習とは、AIの一分野であり、人間の介入なしにデータを識別する方法をプログラムに学習させるため、構造化されたデータやラベル付けされたデータをプログラムに与えることを指します。例えば、開いた冷蔵庫の写真からケチャップのボトルを見つける機械学習モデルは、最初はケチャップはおろか、調味料も識別できないかもしれません。そして、さまざまな冷蔵庫にあるケチャップボトルの画像が何百万枚も送られ、そのひとつひとつがケチャップボトルを表していることを入力されます。最終的には、その写真を見たことがなくてさえ、ケチャップのボトルを自動的に識別できるようになります。

機械学習は、アルゴリズムと呼ばれる事前に定義されたプロセスの使用によって成立します。機械学習プログラムでは、アルゴリズムの設定方法により「学習」方法が若干異なります。

機械学習もまた、大規模なデータセットへのアクセスに依存しています。ケチャップの写真を3、4枚だけしか見せられていない機械学習プログラムは、ほぼ間違いなくケチャップのボトルを正確に識別できないか、ケチャップが存在しない写真でもケチャップを識別してしまうことになります。モデルがより多くのデータを取り込むほど、その精度は高まります。

今日、さまざまなソフトウェアや技術ソリューションが機械学習を利用しています。詐欺を検出したりボットであること特定したりするセキュリティ・ソリューションから、フォローすべきコンテンツやアカウントを推薦するソーシャルメディア・プラットフォームまで、機械学習は非常に有用な開発ツールであることが実証されています。

ディープラーニングとは

機械学習がAIの一種であるように、ディープラーニングも機械学習の一種となります。ディープラーニングモデルは、確率的分析を使い生データの違いを特定することができます。ディープラーニングモデルでは、ケチャップのボトルが何であるかを教えられなくても、開いている冷蔵庫の写真のみよりケチャップのボトルが何であるか、そしてそれを他の調味料とどのように区別するかを学習できる可能性があります。

他の種類の機械学習と同様、ディープラーニングも大規模なデータセットへのアクセスを必要とします。高度なディープラーニングモデルでも、ケチャップを識別できるようになるには、おそらく開いている冷蔵庫の写真を何百万枚も分析する必要が出てきます。

生成系AIとは

生成系AIは、テキスト、画像、音声、動画などのコンテンツを作成できるAIモデルの一種です。生成系AIモデルは、例えば、空の冷蔵庫の写真のインプットを受け、過去に表示された写真に基づき中身がありそうなものと関連付けることができます。このようなモデルによって生成されるコンテンツは、「新しい」ものと見られるかもしれませんが、実際はモデルが以前に供給されたコンテンツに基づいたものです。

ジェネレーティブAIツールの人気は高まっています。特に、大規模言語モデル(LLM)であるChatGPT、そして画像ジェネレーターDALL-EとMidjourneyは、人々の想像力と実業界の注目を集めました。その他の人気のある生成AIツールには、Bard、Bing Chat、Llamaなどがあります。

AIの使われ方

AIのユースケースは、拡大を続けています。次に、すでに実用化されている実際のアプリの一部を紹介します:

  • チャットボットAIベースのプログラムは人間的な回答を生成することができ、多くの場合、人間であるユーザーからの予測不可能な入力に対して現実的な回答ができます。つまり、AIモデルの中には自然に会話ができるものもあり、チャットボットの能力を高めることになります。
  • 自動運転車両:AIの予測能力により、たとえ過去に遭遇したことがなくても、実際の道路状況に対応することができます。
  • レコメンデーションアルゴリズム:ストリーミングプラットフォームやソーシャルメディアアプリなどで使われています。
  • ヘルスケア:AIは、ヘルスケア業界での健康状態の診察など、他の反復的な作業にも用いられています。
  • 金融:多くの金融企業がAIを使って市場動向を把握したり、どの銘柄が好調に推移するかを予測しています。
  • コーディング:LLMにより、新機能のためのコードのスピーディな生成、ドキュメントの作成、既存のコードの脆弱性スキャン能力がもたらされます。
  • コンテンツの作成:生成系AIモデルは、テキスト、画像、動画などを生成することができます。
  • レポート作成:データの解析と要約は、機械学習を使って自動化できることが多い反復作業となります。
  • 実験的な用途:AIの用途はまだまだ模索されており、AIの能力が成長し続けるにつれ、ユースケースは拡大し続けるでしょう。

Business AIがもたらすリスク

セキュリティリスク

データ漏洩:AIサービスはインプットを使ってモデルの訓練を深めるものであり、データの安全な保管庫として設計されているわけではありません。ところが、機密情報やクローズドソースのコード処理など、データ漏洩のリスクを高める方法でLLMを使用している人も多いのが現実です。LLMの訓練が進むにつれ、このようなデータが再現または模倣される可能性があります。

データに対するコントロールの喪失:データが一度LLMにアップロードされると、人間のコントロールの外に置かれることになり、インプットしたものに何が起こるかについて可視性が得られない可能性があります。例えば、あるパン屋がフォカッチャで新しく編み出した秘伝のレシピをLLMに載せ、そのパン屋のWebサイトサイトのために説得力のある説明を書くように指示すると、秘伝のレシピの説明が返ってくるかも知れません。すると、LLMの他のユーザーや運用者にさらされてしまうため、パン屋のレシピはもはや秘密情報ではなくなってしまいます。

規制違反:外部AIツールを使用すると、ある程度のデータリスクが生じることが多くなります。その結果、AIはGDPRなどの規制枠組みを遵守できなくなる可能性があります。

その他のリスク

ハルシネーション:生成系AIツールは、応答を生成するために上方を捏造する場合があります。この現象は、専門用語で「ハルシネーション」と呼ばれています。企業がこうした情報を無批判にコンテンツに取り込めば、ブランドに傷がつく恐れがあります。

意思決定におけるAIへの過度の依存:AIモデルが提供する情報は必ずしも信頼できるとは限らないため、意思決定プロセスにおいて過度にAIを使用すると、企業に悪影響を及ぼす決定につながる可能性があります。

コンシューマーにとってのAIのリスク

  • プライバシーの喪失と個人情報の漏洩:一般に公開されているLLMに個人データを入力すると、当該のデータが同じツールの他のユーザーに流出することになり得ます。
  • AIアプリのセキュリティ欠陥:他のアプリと同様、AIツールにも個人データの漏洩につながるセキュリティ上の脆弱性が存在する可能性があります。
  • ハルシネーション:前述の通り、生成AIツールはユーザーのプロンプトに対してもっともらしく聞こえる応答を作成するために、しばしば情報を捏造します。その結果、誤った情報が広まる可能性があります。
  • フィッシングやソーシャルエンジニアリング攻撃におけるディープフェイク:AIツールは、人物の画像、声、文体などを説得力のある形で模倣できます。知名度のある人物になりすまし、被害者を騙して金銭やデータを詐取するソーシャルエンジニアリング攻撃で使われる可能性がありあます。

CloudflareでのAIリスクの軽減への貢献

Cloudflare Data Loss Prevention(DLP)は、従業員によるAIの利用状況の把握を支援しています。DLPは、アップロード、コピー&ペースト、キーボード入力を制限し、機密データがセキュアな環境からの流出を阻止できます。DLPの仕組みについて詳しくはこちらをご覧ください

Cloudflareは開発者が新しいAIモデルを構築するのをどのように支援していますか?

Cloudflare for AIにより、開発者は、Cloudflareグローバルネットワーク上に新しいAIアプリを構築し、デプロイできます。Cloudflare for AIについての詳細はこちらをご覧ください。