人工知能とは

人工知能（通常はAIと略されます）とは、通常は人間の知能を必要とする作業を機械が行えるようにする技術です。これには、画像の認識、言語の理解、予測の作成、行動の推奨、パターンの検出、コンテンツの生成、人の意思決定の支援などが含まれます。

AIをシンプルに捉えると、従来のソフトウェアは人間が書いたルールに従う一方、AIシステムは多くの場合、データからパターンを学習します。通常のプログラムなら、「顧客がこのボタンをクリックしたら、そのページを表示する」と指示するかもしれません。AIシステムは過去の多くの事例を学習し、次に誰かが購入する可能性のある商品、確認が必要かもしれない医療スキャン、不審に見える取引を判断できるようになります。

AIは魔法ではありません。データ、モデル、計算能力、そして人間の選択によって構築されています。うまく機能すれば、複雑な作業をより速く、扱いやすくできます。使い方を誤ると、偏りが生じたり、間違ったり、不透明になったり、過度に信頼されたりする可能性があります。

人工知能の明確な定義

NIST用語集では、人工知能を、人間が定義した目的のために予測、推奨、または意思決定を行える機械ベースのシステムと定義しています。この定義は、SF的なイメージを避けられるため有用です。AIは必ずしも人格を持つロボットではありません。現実世界のほとんどのケースでは、入力を有用な出力に変換するソフトウェアです。

OECD AI原則では、AIシステムを、予測、コンテンツ、推奨、意思決定などの出力を生成するシステムと説明しています。OECDはまた、人権と民主的価値を尊重する信頼できるAIを重視しています。

つまり、平たく言えば、AIとはデータとモデルを使用して、特定の状況で知的または有用に見える出力を生み出すコンピューターシステムです。

人工知能の仕組み

ほとんどのAIシステムは、基本的に次のパターンに従います。

1. データを収集する。
2. そのデータでモデルを学習させる。
3. モデルを使用してパターンを認識する。
4. モデルを新しい入力に適用する。
5. 予測、推奨、順位付け、分類、生成された応答などの出力を生成する。

たとえば、メールのスパムフィルターは、多数のスパムメールと非スパムメールの例から学習できます。時間とともに、不審なリンク、特定のフレーズ、送信者の異常な行動、書式上のトリックといったパターンを学習します。新しいメールが届くと、モデルはそれがスパムである可能性を推定します。

IBMの人工知能ガイドでは、AIを、コンピューターや機械が学習、理解、問題解決、意思決定、創造性を模倣できるようにする技術と説明しています。これはAIが単一の製品ではなく、分野であるため、幅広い説明になります。

AI、機械学習、深層学習、生成AI

これらの用語は同じ意味で使われることがよくありますが、同一ではありません。

機械学習はAIを構築する最も重要な方法の一つです。深層学習は強力な機械学習の一種です。生成AIは、テキスト、画像、音声、動画、コード、プレゼンテーション、その他のコンテンツを生成できる、比較的新しく注目度の高いカテゴリーです。

日常生活におけるAIの実例

人々がAIと呼んでいなくても、AIはすでに日常生活の一部になっています。

レコメンデーションシステムは分かりやすい例の一つです。ショッピングサイトが商品を推奨したり、音楽アプリが曲を提案したり、動画プラットフォームが次に表示するものを決定したりするとき、AIはユーザーの行動や他の多くのユーザーから得たパターンに基づいて選択肢を順位付けしている可能性があります。

不正検知も実用的な例です。銀行や決済ネットワークは、顧客の通常の場所、時間、金額、支出パターンに一致しない購入など、異常な活動にフラグを付けるためにAIシステムを使用しています。

医療分野でも、規制された環境でAIが活用されています。FDAは、米国での販売が承認されたAI搭載医療機器の公開リストを維持しています。これらのツールの多くは、医療画像、循環器学、放射線学、臨床意思決定支援をサポートします。これはAIが医師に取って代わることを意味するものではありません。規制監督の下で、AIがパターンの検出やレビューの支援を行えることを意味します。

科学分野は、最も強力な事例の一つを示しています。Google DeepMindのAlphaFoldは、生物学、医学、創薬にとって重要な問題であるタンパク質構造の予測をAIが支援できることを示しました。Stanford AI Indexは、AIが研究室から製品、職場、政策論争へとどれほど速く移行しているかを追跡しています。

生成AIとPiのようなツール

生成AIは、多くの人々が現在最も直接的に体験しているAIの領域です。データを分類したり予測を行ったりするだけでなく、生成AIはテキスト、画像、コード、スライド、動画、図表、要約、デザイン案など、新しいものを作り出せます。

ここでPiは、日常業務におけるAIの実例として自然に位置づけられます。以前は、プレゼンテーションを作るには空白のスライドから始め、多くの手作業による書式設定が必要でした。Piでは、ユーザーはメモ、文書、アウトライン、または大まかなアイデアから始め、それらの素材を構造化されたプレゼンテーションに変換できます。これは、AIを謎めいた機械としてではなく、情報の整理と表現を支援する実用的なアシスタントとして活用する例です。

Piはまた、一つのワークフローでAIが複数の機能を組み合わせられることを示しています。プレゼンテーションテーマの生成、スタイルや色のカスタマイズ、既製コンポーネントの使用、自動レイアウトの適用、アイコンライブラリの提供、スライドに補助的なビジュアルが必要なときのAI画像生成の呼び出しが可能です。Piは動画やビジュアル素材も生成できるため、静的なテキストだけでは伝えにくいアイデアの説明にも役立ちます。

有用な点は単に「AIがスライドを作る」ということではありません。AIは、考えることと伝えることの間にある摩擦を減らせます。創業者は投資家向けメモをピッチデッキに変換できます。教師は授業のアウトラインをクラス向けプレゼンテーションに変換できます。チームはレポートをより視覚的な経営層向け報告に変換できます。メッセージを決めるのは依然として人間ですが、AIは素材をより明確なものに整える支援をします。

AIが得意なことと苦手なこと

AIは、パターン、規模、反復を伴うタスクに強みがあります。人よりも速く大規模なデータセットをスキャンし、多くのシグナルを同時に比較し、事例に基づいて予測を行えます。

AIに適したタスクには、長文文書の要約、画像やテキストの分類、異常の検出、商品の推奨、需要予測、言語翻訳、テキストやビジュアルの下書き生成、カスタマーサービスの支援、専門家による複雑な情報のレビュー支援などがあります。

しかし、AIには限界があります。自信に満ちて聞こえるものの誤った回答を生成することがあります。生成AIシステムは、事実を幻覚したり、情報源を捏造したり、文脈を誤解したり、学習データ内のパターンから過度に一般化したりする可能性があります。AIはデータに含まれる偏りを反映することもあり、機密情報が不適切に扱われるとプライバシーがリスクになる可能性があります。

責任あるAI

責任あるAIとは、ガードレールを設けてAIを構築・利用することです。AIを避けることではありません。信頼する前に、より良い問いを投げかけることです。

NISTのAIリスク管理フレームワークは、組織が信頼できるAIについて考える方法を提供するため、有用です。すなわち、有効性、信頼性、安全性、セキュリティ、透明性、説明可能性、プライバシー、公平性です。

責任あるAIのプロセスでは、次のことを問うべきです。AIはどのような問題を解決しているのか、どのデータが使用されたのか、システムが誤った場合に誰が被害を受ける可能性があるのか、精度をどのように測定するのか、ユーザーが出力を理解できるのか、人間による監督があるのか。

信頼できるAIに関するOECDの取り組みとNISTのAI RMFは、同じ方向性を示しています。AIは有用であるべきですが、説明責任も果たすべきです。意思決定が重要であるほど、監督はより慎重であるべきです。

結論

人工知能は、データとモデルに基づいて、機械が予測、推奨、意思決定、または生成コンテンツを作成するのを支援する幅広い技術分野です。レコメンデーションシステム、不正検知、医療ソフトウェア、ナビゲーション、カスタマーサポート、科学研究、生成ツールを支えています。

AIを理解する最もシンプルな方法は、人間のような心ではなく、パターンに基づくシステムとして捉えることです。強力で高速かつ有用になり得ますが、自動的に正確または公平になるわけではありません。優れたAIには、優れたデータ、慎重な設計、テスト、透明性、人間の判断が必要です。

Piのようなツールは、AIの実用的な側面を示しています。スライド、画像、レイアウト、アイコン、動画風のビジュアルを通じて、人々が雑多な情報をより明確なコミュニケーションへと変換するのを支援します。これこそが、最良の状態にあるAIの真の可能性です。判断を置き換えるのではなく、人々が情報をより効果的に扱えるように支援することです。

よくある質問（FAQ）

Q: 簡単に言うと、人工知能とは何ですか？

A: 人工知能とは、パターンの認識、予測の作成、行動の推奨、言語の理解、コンテンツの生成など、通常は人間の知能を必要とするタスクをコンピューターが実行できるようにする技術です。

Q: AIと機械学習の違いは何ですか？

A: AIは広範な分野です。機械学習はAIを構築する一つの方法であり、システムが人間によって書かれた固定ルールだけに従うのではなく、データからパターンを学習します。

Q: 人工知能の実例には何がありますか？

A: 実例には、レコメンデーションシステム、不正検知、医療画像分析、ナビゲーションアプリ、カスタマーサービス用チャットボット、翻訳ツール、AlphaFold、PiのようなAIプレゼンテーションツールがあります。

Q: 人工知能は常に信頼できますか？

A: いいえ。AIは有用な場合がありますが、誤ったり、偏ったり、安全でなかったり、説明が難しかったりすることもあります。重要なAIシステムには、テスト、人間による監督、プライバシー保護、責任あるガバナンスが必要です。