人工知能のゴールドスタンダードは、人間と同じように学習できるコンピュータです。例えば、歯ブラシを1本見て、その用途がわかれば、他の歯ブラシも簡単に見分けられます。細長く、毛が細く、持ち手があれば、歯ブラシだとほぼ確信できます。また、口の中に収まる必要があることもわかっているので、どのような道具が適しているか、またそうでないかは想像でき、歯ブラシの可能性をさらに限定することができます。
機械にこの方法で学習させるのは容易ではありません。歯ブラシのような複雑な物体は、コンピューターが理解できるように数式で説明する必要があるからです。人工知能に取り組む機械学習における多くの研究は、コンピューターが理解できるように物体やアイデアをいかに最適に表現するかに焦点を当てています。
Science誌に掲載された新たな研究は、人間の学習方法に近づいたと主張しています。彼らのアイデアは、「学習した」概念ごとに小さなコンピュータプログラムを構築するというものです。これらの小さなプログラムは、まず、既に学習した小さな概念を説明し、同じ最終結果に到達する様々な方法を生成します。
これを説明するには、例を挙げるのが一番です。現時点では、これは手書きのアルファベット文字のような非常に単純な記号にしか機能しません。
研究者たちは、このアルゴリズムにいくつかの古代アルファベットの手書き文字とその書き方を示した。すると、アルゴリズムはそれらのプロセスを、各文字の構成を説明するコンピュータプログラムの形で記憶した。研究者たちはこれをベイズ計画学習と呼んでおり、文字の構成を示すことで、アルゴリズムは各文字の様々な構成要素を理解する。将来的には、人間と同じように、これらの構成要素を様々な方法で利用して文字を分類したり、新しい文字を作成したりできるようになる。
他のコンピュータは、既にディープラーニング（人工知能の一分野であり、数式のネットワークを用いてデータ内のアイデアを理解する）によって同様の処理を実行できます。しかし、ディープラーニング技術では機械が数十から数百万の例を分析する必要があるのに対し、現在の手法ではアイデアの単一の例から処理できるとされています。
これは、いつの日か、人物の鮮明な画像 1 枚から、あらゆる角度からの真の顔認識が可能になることを意味します。
この手法によって得られた結果は目覚ましいものでした。アルゴリズムの学習能力を検証するため、研究者たちは人間に対してテストを行いました。人間と機械の両方に新しい文字を与え、それを再現させるというものでした。
次に、Amazon Mechanical Turkのユーザーに、どれが人間が作ったものでどれが機械が作ったものかを見分けるよう依頼しました。しかし、彼らはそれを判断できませんでした。エラー率は48%で、偶然の一致をわずかに下回る結果でした。
AI によって作成された文字を推測できますか?
何よりも重要なのは、機械学習と人工知能で何ができるのかを学び始めたばかりだということです。この研究は重要ですが、必ずしもこれが将来のすべての機械の学習方法になるわけではありません。このアプローチが、コンピューターが概念を理解する方法に関する現在の考え方に取って代わる可能性があるのと同様に、来月には誰かがより良い方法を見つける可能性も十分にあります。
一歩一歩、紙一枚一枚、そしてアイデア一つ一つが、知性と意識に関する知識の巨大な空白を照らす灯火となる。今日、私たちは手書き文字をより良く作ることができる。もしかしたら明日は、人間のような音声を生成したり、あるいはより優れた芸術作品を再現したりするかもしれない。
