AI用語集：知っておく必要のある5つの人工知能用語

The AI glossary: 5 artificial intelligence terms you need to know | TechRadar

https://www.techradar.com/news/the-ai-glossary-5-artificial-intelligence-terms-you-need-to-know

翻訳です。

AI用語集：知っておく必要のある5つの人工知能用語

人工知能はデジタルライフのすべての領域に急速に侵入し、私たちが見るソーシャルメディアのストーリーを拾い、写真の友人やペットを特定し、さらには事故を避けることさえ確実にします。しかしAIを理解したい場合は、それを支えている用語から始める必要があります。

そこで、TechRadarのAI用語集を紹介します。これは絶えず改良されているこの技術を理解するために知りたいキーワードやフレーズの5つです。また、夕食のテーブルでこの話題が盛り上がるときに会話についていくために知っておきたいことです。

まず第一に、免責条項 - 誰もがこれらの言葉の正確な定義に同意するわけではないので、Web上の別の場所では異なって使用されることがあります。可能な限り、最も一般的に使用されている定義に従うようにしましたが、このように急速に成長する新しいテクノロジでは、常に矛盾が生じます。

1.アルゴリズム

ああ、有名な（または悪名高い）アルゴリズム。アルゴリズムはコンピュータプログラムが従うことができる一連のルールです。なので、仮にあなたの親友の一人があなたの写真をFacebookに投稿した場合、ルールはそれがあなたのNews Feedのトップに上がるはずです。または、GoogleマップでAからBに移動する必要がある場合は、アルゴリズムを使用して最速ルートを手助けすることができます。

ルールはコンピュータによって処理されますが、通常は人間によって設定されます。つまり、物語を重要なものにするか、どの道路が最速になるかを選択するのはFacebookエンジニアです。 AIが来る前に、機械学習を使ってこれらのアルゴリズムを微調整するので、プログラムはこれらのルールを自分自身に適合させ始めます。 Google Mapsは、特定の道路が閉鎖されたフィードバックデータを取得し始めた場合にこれを実行することがあります。

画像認識システムが間違っている場合（例えば、アルゴリズムや一連のルールの例）、同じルールが適用されていますが、間違った結果が得られているため、本当の猫ではなく猫のような犬を取得します。多くの点で、アルゴリズムは機械学習の構成要素です（下記参照）。

2.人工知能

とにかく人工知能は何ですか？定義はあなたが尋ねる人によって異なりますが、最も広い意味では人工的に作成されたあらゆる種類の知性です。明らかに。

だから、Siriがあなたに本当の人間のように返答するとき、それは人工知能です。 Googleフォトでは、猫がどのように見えるかを知っているようだが、それも人工知能です。 C-3POスーツの中に隠れているアンソニー・ダニエルズは人工知能でもあり、実際には人間によって制御されている、話す、思考するロボットの幻影です。

その定義は本当に広いので、どのようにしてそれを適用すべきかについての混乱がしばしばあるのがわかります。 AIにはさまざまな種類とアプローチがありますので、その違いを理解してください。何かがAIを組み込んでいると記述されている場合、幅広い技術が関与している可能性があります。

3.ディープ・ラーニング

ディープ・ラーニングは、機械学習のタイプまたはサブセットであり（以下を参照）、多くの場合、2つの用語が混乱し、同じAIを正確に記述することができます。それは機械学習ですが、より多くのニュアンスとレイヤーで、よりインテリジェントになるように設計されており、人間の脳のように働くことを意図しています。

ディープ・ラーニングは、より多くのデータとより強力なハードウェアの2つの重要な技術的進歩によって可能になりました。だからこそ、流行になったのは最近のことですが、オリジナルのルーツは数十年前にさかのぼります。機械学習が11になったときに考えてみると、コンピュータがより強力になるにつれてスマートになっている理由を理解することができます。

ディープ・ラーニングはしばしば、この特別な知能層を追加するためにニューラル・ネットワーク（下記参照）を使用します。たとえば、ディープ・ラーニングと機械学習の両方で、100万本の猫の画像をスキャンすることで、写真内の猫を認識することができますが、機械学習ではどの機能が猫を構成するのかを知る必要があります。作業するための十分な生データがある限り。

4.機械学習

我々の指示を実行するためのソフトウェアやハードウェアのプログラミングをするということはすべてうまくいきますが、機械学習は次の段階です。まさにそのようなものです。これは、毎回具体的にすべてのことを綴るのではなく、自分で学習するマシンです。

最もよく知られている例の1つは、画像認識です。機械学習システムに猫の写真を十分に与えれば、最終的に人間の操作者からのヒントなしに、新しい写真の中に猫を見つけ出すことができます。 AIネットワークは、最初にプログラミングされたプログラミングの枠を越えたものであると考えることができます。

GoogleのAlphaGoプログラムも良い例です。人間によって教えられていますが、トレーニングに基づいて独自の判断を下すことができます。 AlphaGoが示していることは、多くのタイプのAIが非常に特殊であることです。囲碁をプレイするにはこのエンジンは素晴らしいですが、自家用車では役に立たないのです。

5.ニューラルネットワーク

ディープ・ラーニングのアイデア（上記参照）と密接に結びついているニューラルネットワークは、人間の脳のプロセス、または今のところ理解している人間の脳のプロセスを模倣しようとします。ここでも、ニューラルネットワークの開発は、ハイエンドプロセッサを使用してここ数年で可能になっています。

基本的には、たくさんのレイヤーを意味します。画像を見て、それが猫の画像かどうかを判断するのではなく、神経ネットワークは画像と猫のさまざまな特性を考慮し、最終決定を下す前に、それぞれに異なる重要度を割り当てます。最終結果は、より正確な猫認識エンジンです（それゆえ、近年、画像認識がより良くなった）。

アイデアを完全に把握できない場合は、心配しないでください。ニューラルネットワークは、簡単な3段落の定義から完全に理解できる概念ではありません。しかし、それを人間の知能の微妙な部分を作成するために設計された別の機械学習ツールと考えれば、基本はおさえられます。

TechRadarのAI WeekはHonorと共同でお届けします。