社会人向け教養サービス 『テンミニッツTV』 が、巷の様々な豆知識や真実を無料でお届けしているコラムコーナーです。
ディープラーニングだけではないAI進歩の秘密
ディープラーニング(深層学習)によって、人工知能(AI)の画像認識精度が人間を超えたと騒がれたのが2015年。その成果はグーグルの「アルファGO」が囲碁チャンピオンを連破したことで世界に知られ、「AIにとってかわられる職業」が話題になりました。しかし、AIの進化に貢献したのはディープラーニングだけではありません。東京大学大学院工学系研究科技術経営戦略学専攻特任准教授でAI研究者の松尾豊氏に聞いてみましょう。
研究者たちがいま取り組んでいるのはレベル3とレベル4の段階なのですが、一般の家電で「AI」を称しているのはレベル1、質問対応ソフトや診断プログラムなどはレベル2で、一般人はあまりちゃんと区別せずに「AI」の言葉を使っています。
また、すでにレベル4まで来ているなら、レベル3に戻る必要はないと思う人もいるでしょう。実はディープラーニングにより画像認識精度が上がったことと、ウェブなどにたまったビッグデータの組み合わせによって、機械学習の中でも「強化学習」が再度クローズアップされているのです。
「今のはうまくいった」と感じることは、脳の「報酬」になります。報酬が与えられることにより、行動が強化され、だんだん上手になっていく。これが強化学習のしくみなのですが、コンピュータにそれを覚えさせるには、「状況」と「行動」、そして「よかったか/悪かったか」をセットしなければなりません。
これまでの強化学習では、「状況」を記述するのに、人間が定義した変数を使ってきました。ところが、ディープラーニングと組み合わせる方法にすると、画像認識で出てきた特徴量が使えます。違いはそこだけなのに、生まれた変化には非常に大きなものがあります。
「ブロック崩し」も「スペースインベーダー」も、スコアを報酬と見ることにより、同じプログラムで学習させることができます。これまでだと、いちいち「これがインベーダー」「これがミサイル」「これが自分」という定義をしてやらないといけなかったのが、画像入力だけでOKになりました。
この技術を応用すればロボットの行動に「熟練」が見られるようになることは、すぐに予測がつきます。2015年5月、カリフォルニア大学バークレー校は「試行錯誤しながら組み立て作業を行う」ロボットのBRETTを発表しました。
考えてみると熟練は、人間だけが行なえる複雑なことではなく、犬でも猫でもできることです。AIに今までこれができなかったのは状況をつかむことができなかったから、と松尾氏は解説しています。
状況がわかり、報酬のうまみをたっぷり浴びたAIは、これからどんなロボットに成長していくのでしょうか。
ディープラーニングで見直された「強化学習」
松尾氏は、人工知能を研究開発する上でのレベルを4段階にまとめています。レベル1は「単純な制御プログラム」、レベル2は「古典的な人工知能」、レベル3は「機械学習ができる人工知能」、レベル4は「ディープラーニングを採り入れた人工知能」です。研究者たちがいま取り組んでいるのはレベル3とレベル4の段階なのですが、一般の家電で「AI」を称しているのはレベル1、質問対応ソフトや診断プログラムなどはレベル2で、一般人はあまりちゃんと区別せずに「AI」の言葉を使っています。
また、すでにレベル4まで来ているなら、レベル3に戻る必要はないと思う人もいるでしょう。実はディープラーニングにより画像認識精度が上がったことと、ウェブなどにたまったビッグデータの組み合わせによって、機械学習の中でも「強化学習」が再度クローズアップされているのです。
偶然のラッキーをリピートするのが強化学習
強化学習は、もう100年も前から研究が続けられてきた分野で、大雑把に言うと「行動を学習するしくみ」です。人間でいえば、サッカーボールを蹴っているうちにだんだん上手になるようなこと。「習うより慣れろ」と言われる習熟のプロセスには、たまたまうまく蹴ることができたときに、「今のはうまくいった」と感じて、その蹴り方を繰り返すというしくみが含まれているのです。「今のはうまくいった」と感じることは、脳の「報酬」になります。報酬が与えられることにより、行動が強化され、だんだん上手になっていく。これが強化学習のしくみなのですが、コンピュータにそれを覚えさせるには、「状況」と「行動」、そして「よかったか/悪かったか」をセットしなければなりません。
これまでの強化学習では、「状況」を記述するのに、人間が定義した変数を使ってきました。ところが、ディープラーニングと組み合わせる方法にすると、画像認識で出てきた特徴量が使えます。違いはそこだけなのに、生まれた変化には非常に大きなものがあります。
状況がわかって、報酬があれば、熟練はできるのだ
ディープラーニングと強化学習を組み合わせ、ゲームを学習するAIを作ったのが、ディープマインドという会社です。2013年にその技術を開発し、2014年にはグーグル社に買収されています。「ブロック崩し」も「スペースインベーダー」も、スコアを報酬と見ることにより、同じプログラムで学習させることができます。これまでだと、いちいち「これがインベーダー」「これがミサイル」「これが自分」という定義をしてやらないといけなかったのが、画像入力だけでOKになりました。
この技術を応用すればロボットの行動に「熟練」が見られるようになることは、すぐに予測がつきます。2015年5月、カリフォルニア大学バークレー校は「試行錯誤しながら組み立て作業を行う」ロボットのBRETTを発表しました。
考えてみると熟練は、人間だけが行なえる複雑なことではなく、犬でも猫でもできることです。AIに今までこれができなかったのは状況をつかむことができなかったから、と松尾氏は解説しています。
状況がわかり、報酬のうまみをたっぷり浴びたAIは、これからどんなロボットに成長していくのでしょうか。
~最後までコラムを読んでくれた方へ~
より深い大人の教養が身に付く 『テンミニッツTV』 をオススメします。
明日すぐには使えないかもしれないけど、10年後も役に立つ“大人の教養”を 5,600本以上。
『テンミニッツTV』 で人気の教養講義をご紹介します。
「見せかけの相関」か否か…コロナ禍の補助金と病院の関係
会計検査から見えてくる日本政治の実態(2)病床確保と補助金の現実
コロナ禍において一つの大きな課題となっていたのが、感染者のための病床確保だ。そのための補助金がコロナ患者の受け入れ病院に支給されていたが、はたしてその額や運用は適正だったのか。事後的な分析で明らかになるその実態...
収録日:2025/04/14
追加日:2025/07/18
なぜ民主主義が「最善」か…法の支配とキリスト教的背景
民主主義の本質(1)近代民主主義とキリスト教
ロシアや中華人民共和国など、自由と民主主義を否定する権威主義国の脅威の増大。一方、日本、アメリカ、西欧など自由主義諸国における政治の劣化とポピュリズム……。いま、自由と民主主義は大きな試練の時を迎えている。このよ...
収録日:2024/02/05
追加日:2024/03/26
胆のう結石、胆のうポリープ…胆のうの仕組みと治療の実際
胆のうの病気~続・がんと治療の基礎知識(1)胆のうの役割と胆石治療
消化にとって重要な臓器「胆のう」。この胆のうにはどのような仕組みがあり、どのような病気になる可能性があるのだろうか。その機能、役割についてあまり知る機会のない胆のう。「サイレントストーン」とも呼ばれる、見つけづ...
収録日:2024/07/19
追加日:2025/07/14
3300万票も獲得した民主党政権がなぜ失敗?…その理由
政治学講座~選挙をどう見るべきか(5)政権交代と民主党
民主党は、2009年の衆議院選挙で過半数の議席を獲得し、政権交代に成功した。しかし、その後の政権運営に失敗してしまった。その理由についてはいまだ十分な反省が行われていないという。ではなぜ民主党は失敗してしまったのか...
収録日:2019/08/23
追加日:2020/02/12
印象派を世に広めたモネ《印象、日の出》、当時の評価額は
作風と評論からみた印象派の画期性と発展(2)モネ《印象、日の出》の価値
第1回印象派展で話題となっていたセザンヌ。そのセザンヌと双璧をなすインパクトを与えた作品があった。それがモネの《印象、日の出》である。印象派の発展において重要な役割を果たした本作品をめぐる歴史的議論や当時の市況を...
収録日:2023/12/28
追加日:2025/07/17