「毎日同じことをやっているが、以前よりもうまくやっている。」画像クレジット：ゲッティ
人工知能 (AI) を推進するテクノロジーの背後には、人間の創意工夫と努力があります。これらのイノベーションにより、人工知能は SF の世界から私たちが毎日使用するアプリケーションへと進化しました。
アデレード大学オーストラリア機械学習研究所（AIML）の未来創造フェローであるダニ・ダルマプラニ博士によると、AIは気候変動、医療と健康の公平性の向上、教育など、人類が直面する最も差し迫った課題のいくつかに取り組むのに役立つ可能性があるとのことです。
「人工知能とそれを駆動するアルゴリズムは技術革新の最前線を代表しており、私たちの生活、仕事、複雑な問題の解決方法に革命を起こす可能性を秘めている」とダルマプラニ氏は述べた。
これらのインテリジェント システムを動かすエンジニアリングの原理を理解することは、エンジニアが AI の有益かつ倫理的な開発を導くために重要です。
AI は、入力を受け取って分析し、出力を提供する機械の開発に重点を置いたコンピューター サイエンスの分野です。Robotic Systems のディレクターである Adam Amos 氏によると、AI は明示的にプログラムされるのではなく、データからパターンを学習することで意思決定を行い、インテリジェントな動作を示すように設計されています。
Amos は、AI を搭載した産業用ハードウェアの設計と製造を専門としています。
AI は単純なタスクから複雑なタスクまで実行でき、製造、物流、マーケティング、金融、医療、輸送に至るまで、ほとんどの業界やプロセスに関係しています。
「ソーシャルメディアプラットフォームでの推奨などの仮想タスクから、現実世界、そしてAIを適用することで自動化および最適化できるハードウェアを使った作業まで、あらゆるものが含まれます」とエイモス氏は語った。
AI システムは、タスクを実行するために、データの形で入力を分析し、特定のタスクを実行し、出力に関して決定を下す方法を機械に指示するプログラミングであるアルゴリズムに依存します。
アルゴリズムは、パターンの予測、精度の計算、傾向の分析、プロセスの最適化に役立ちます。
「ロボットは自ら学習したり、日々行動を変えたりはしません」とエイモス氏は言う。「その逆です。ロボットは毎日同じことをしますが、以前よりも上手にやっているだけです。」
AI アルゴリズムは、さまざまな場所で機能しています。YouTube や Netflix のおすすめ機能によってテレビを一気見し続けることや、Instagram や TikTok の無限スクロール、小売サイトで何を買うべきかのおすすめ、金融取引、医療診断、自動運転車、詐欺検出など、数え切れないほど多くの場所で機能しています。
アルゴリズムは、問題の解決、出力の生成、特定の目標の達成など、一連の指示に従ってプロセスを実行します。
「ロボティック システムズでは、新しいプロジェクトに取り組む際に利用できる 408 種類のアルゴリズムのライブラリがあり、プロジェクトの目的に最も合ったものを選択します」とエイモス氏は言います。
このプロセスには、数学と統計学、そして AI 開発でよく使用される Python などのプログラミング言語が不可欠です。
AI は、コンピューターに何をすべきかを指示することから、コンピューターに何をすべきかを教えることにシフトしている点で、従来のソフトウェア開発とは異なります。
「これはデータサイエンスに重点を置いており、AIを実現するために必要なものです」とエイモス氏は語った。
アルゴリズムを教えるには、まずデータが必要です。データがまだ存在しない場合は、収集する必要があります。その後、アルゴリズムを開発、テスト、改良、適用するプロセスが段階的に実行されます。適用方法はさまざまですが、アルゴリズムの動作方法を定義する特定の手順が一般的にあります。
アルゴリズムは、数値、テキスト、画像などの単純または複雑なデータセットである入力から始まります。最初のステップは、データを収集し、次にデータにラベルを付けて、関心のあるポイントとアルゴリズムが学習すべき事項を特定することです。AI は直接プログラムされるのではなくデータから学習するため、データはアルゴリズムを学習するために使用されます。
アルゴリズムが目的を達成するために実行する手順を特定します。たとえば、X を見つけ、次に Y を見つけ、次に Z を見つけます。これらが見つかったら、X + Y / Z を計算します。手順のシーケンスは、アルゴリズムが入力データに対して作業を実行できるように定義されます。
アルゴリズムは、意思決定、さまざまなパスの選択、特定の条件への対応などのステップを経て機能します。
アルゴリズムの種類によっては、完成して動作するようになるまで、人間のオペレーターによって改良および改善されることがあります。自己学習型アルゴリズムの場合は、実行されるたびに学習します。
一連の手順で入力を処理した後、アルゴリズムは出力を生成します。出力は、問題の解決策、推奨事項、テキスト、コード、画像、または事前に設定されたプロセスの成果物である場合があります。
プロセスは通常、繰り返し実行され、各反復で変更されることもあります。また、アルゴリズムにエンドポイントがある場合は、タスクが完了するまで実行されます。
すべての AI アルゴリズムが同じというわけではなく、トレーニング方法やプログラムされたプロセスの実行方法に応じて、いくつかの異なるカテゴリに分類できます。
さまざまなアルゴリズムには、産業現場での診断と精度の向上から人間の関与の促進まで、非常に異なる用途と結果があります。
しかし、ソーシャル メディア プラットフォームで使用できるような強化アルゴリズムでは、プロセスを繰り返し、人間の関与に応答しても、本質的に最良の結果は得られません。
「実際、人類にとってかなり悲惨な結果をもたらしました。なぜなら、こうしたアルゴリズムは、あなたが好むものやあなたにとって良いものではなく、あなたが見ているものを優先するからです」とエイモス氏は言う。「そのため、衝突映像などを見て、見ずにはいられなくなると、次から次へと次から次へと映像が映し出されるのです」
これらは、ラベル付けされたデータをトレーニングと結果の予測に使用します。アルゴリズムは、トレーニング プロセス中に人間が提供した例に基づいて、入力データからマッピングを学習し、ラベルを生成します。たとえば、ボール ピットにあるすべての赤いボールを見つけます。人間は、ボール ピットの複数の画像にあるすべての赤いボールにラベルを付け、入力を出力にマッピングします。これらは、信用スコアリング、病気の診断、売上予測、サイバー セキュリティに使用できます。
これらは、クラスタリングや次元削減などのデータ内のパターンを識別し、モデルはラベルなしデータでトレーニングされます。教師なし学習の目的は、データ内の隠れた構造やパターンを見つけることです。これが ChatGPT やその他の大規模言語モデル生成 AI ツールの世界です。
これらは YouTube やソーシャル メディアの推奨などのアプリケーションでよく使用され、アルゴリズムはユーザーの行動に基づいて継続的に学習します。これらには、価値ベース、ポリシー ベース、モデル ベースのアルゴリズムが含まれます。ロボット工学、自律走行車、物流、デジタル広告、製造業で使用できます。
ChatGPT は、2015 年に設立され、サム・アルトマン氏が率いるアメリカの AI 研究組織 OpenAI によって作成された、生成 AI の一種であり、テキスト、画像、音声、ビデオ、またはコードの形式で出力を作成します。
これは大規模言語モデル (LLM) であり、多数の人間の言語パラメータを大規模に処理するように設計された人工知能の一種で、テキスト データでトレーニングされた数学モデルを使用して言語のパターン、構造、ニュアンスを学習します。
GPT は、生成的事前トレーニング済みトランスフォーマーの略で、プロンプトから出力を生成する機能を指します。トランスフォーマー モデルを使用して特定のタスク向けにトレーニングされ、離れていても、シーケンスまたは文内の単語間のコンテキストと関係を理解します。
このアルゴリズムは、連続したテキストデータを取得し、「アテンション」と呼ばれる変換メカニズムを使用して、これまでに見た単語に基づいてシーケンス内の次の単語を予測することを学習します。
多様なテキスト データに対する広範なトレーニングを通じて、トレーニング中に学習した確率に基づいて出力内の単語を選択します。ChatGPT 3.5 または 4 の数字は、アルゴリズムのバージョンを示します。
チャット機能は想像力をかき立てるが、オーストラリア国立大学サイバネティクス学部の上級講師であるベン・スウィフト博士によると、これらの AI モデルの強力な点は、使用できるパラメータの数にあるという。
ChatGPT やその他の生成 AI ツールでは、パラメータをプログラムする必要がないため、パラメータがモデルの動作に影響を与えます。
本質的に、パラメータには世界がどのように機能するかについての仮定が組み込まれており、それが私たちの通貨で機能します。
「これがこのタイプの AI のもう一つの特徴です。特定のデータ形式の入力パラメータを使用する必要はありません」とスウィフト氏は言う。「人間のテキストを使用し、会話形式で行われます。」
基本的に、これらのモデルは入力された情報を通じて学習するため、入力量に対する制限は少なくなります。
「何十億もの入力データが与えられ、入力されたデータの統計的なパターンや特徴を学習します」とスウィフト氏は語った。
ChatGPT のリリースにより、AI に対する関心が高まり、偏見やテクノロジーが倫理的に開発されることをどのように保証するかという懸念が注目されるようになりました。これに対応して、多くの国が AI の倫理ガイドラインを策定しています。
オーストラリアでは、連邦政府が安全性と説明責任を確保するために倫理ガイダンスのための AI 専門家グループを立ち上げました。
米国では、AI指令により信頼できるAI開発のガイドラインが確立されており、欧州連合は明確な要件と義務を定めた法律を承認しています。
ダルマプラニ氏によると、倫理的な発展には、公平性、透明性、説明責任、プライバシーを重視した厳格な基準が必要だ。
「AI開発における多様性を捉えて偏見を減らし、テクノロジーが社会のあらゆる層にとって公平かつ有益なものとなるようにすることも同様に重要です」と彼女は述べた。
重要なのは、AI 開発を社会の価値観と一致させることです。
「これには、透明性、厳格なテスト、そしてAIシステムを保護するためにリスクの高い環境でのAIガードレールの実装の検討を重視することが含まれます」と彼女は述べた。
スウィフト氏によると、もうひとつの問題は、アルゴリズム自体が自らが下した決定に対して責任を負わないことだ。
「適切な説明責任構造をシステムに組み込むことは、こうしたシステムを運用し、設計する上で重要な部分です」と彼は述べた。
責任ある設計には、誰が利益を得て誰が損害を受ける可能性があるのか、そして特に、下した決定に対して誰が責任を負うのかを考えることが必要です。なぜなら、それによって AI モデルの入力と出力の使用方法が明確になるからです。
「これらのシステムは孤立して存在するわけではありません」とスウィフト氏は言う。「優れたエンジニアリングとは、テクノロジーが適用される可能性のあるより広範なシステムとコンテキストを熟考することです。」
あなたのメールアドレスは公開されません。必須項目は*でマークされています
受信トレイに直接配信されるニュースを作成したいですか? ニュースレターを購読してください。
作成を購読すると、Engineers Australia のコンテンツも購読することになります。利用規約はこちらをご覧ください。
元記事: https://createdigital.org.au/ai-changing-engineering-innovation/