新興企業ロケットAIなど
人工知能分野の
2017年5大予測

人工知能と機械学習の分野は、2016年に驚異的な進歩を遂げた。しかし、2017年の成果はそれ以上になるだろう。以下に、今年期待の5つの重要分野を選んだ。

強化学習

AlphaGoが現役最強の棋士李 世乭（リ・セドル）に歴史的勝利を収めたことは、AI分野、特に「深層強化学習」には画期的な出来事だった。

強化学習とは、機械をプログラミングしたり、明示的な例を示して学習させたりせずに、正の強化や経験によって問題を解決させることだ。

発想そのものは何十年も前からあったが、ニューラル・ネットワークを拡張、多層化することで、碁の対局のような複雑な課題に実際に取り組むのに必要な能力が手に入ったのだ。AlphaGoは数多くの対局を経験し、過去の対局を分析して、ついにプロレベルで対局できるようになった。

強化学習は今後、現実世界で活用できるように証明されることになる。また、最近発表されたいくつかのシミュレーションされた環境によってコンピューターが獲得できる技能の幅が広がれば、強化学習に必要なアルゴリズムの開発に拍車がかかるだろう。

2017年は、強化学習を自動運転や工業ロボット等の問題に適用することになるだろう。グーグルは自社のデータセンターを効率化するため、既に深層強化学習の活用を進めていると発表済みだ。ただし、強化学習の手法は実験段階であり、時間のかかるシミュレーションが必要だ。強化学習がどこまで効率化するのか、今後の展開が興味深い。

競争で学ぶニューラル・ネットワーク

最近バルセロナで開催されたAIに関する大規模な学界である神経情報処理システム（Neural Information Processing Systems：NIPS ）カンファレンスでは、機械学習の手法である「競争式生成ネットワーク（Generative Adversarial Networks：GAN）」が話題になることが多かった。

現在オープ …

人気の記事ランキング

1. What is vibe coding, exactly? バイブコーディングとは何か？ AIに「委ねる」プログラミング新手法
2. A Google Gemini model now has a “dial” to adjust how much it reasons 推論モデルは「考えすぎ」、グーグルがGeminiに調整機能
3. Meet the researchers testing the “Armageddon” approach to asteroid defense 惑星防衛の最終戦略 科学者たちが探る 「核爆発」研究の舞台裏
4. Anthropic can now track the bizarre inner workings of a large language model 大規模言語モデルは内部で 何をやっているのか？ 覗いて分かった奇妙な回路