#AI開発と啓蒙の80年人工知能（AI）分野の80年の発展の中で、私たちは多くの貴重な経験を得ることができます。この期間は、資金投入の浮き沈み、研究および開発方法の多様化、そして公共の感情が好奇心から不安、さらには興奮へと変遷する様子を目の当たりにしました。AIの歴史は1943年12月に遡ります。その時、神経生理学者マカロックと論理学者ピッツは数理論理に関する画期的な論文を発表しました。彼らは理想化された簡略化されたニューロンネットワークモデルを提案し、これらのネットワークがパルスを伝達するかしないことによってどのように単純な論理演算を実行するかを説明しました。この論文の仮説は後に実証検証に失敗しましたが、それは現代のディープラーニングのインスピレーションの源となりました。AIの発展の過程で、私たちは工学と科学を混同したり、科学と推測を混同したり、科学と数式や公式で満たされた論文を混同したりすることに警戒する必要があります。さらに重要なのは、「人類は自分自身と同じ機械を創造できる」という錯覚の誘惑に抵抗すべきです。この頑固で普遍的な傲慢な心理は、過去80年間、テクノロジーのバブルやAIの周期的な狂熱の触媒であり続けています。汎用AI(AGI)の概念、つまり人間に似た知能やさらには超知能を持つ機械がすぐに現れるということは、常にAI分野の話題となっています。しかし、歴史的にはAGIが実現するという予測は何度も外れています。1957年にハーバート・サイモンが「世界には考え、学び、創造することができる機械が存在する」と宣言したことから、1970年にマーヴィン・ミンスキーが「3年から8年以内に普通の人間の知能を持つ機械が現れる」と予言したこと、さらには最近OpenAIが「超知能AIが今十年のうちに現れる可能性がある」と主張したことまで、これらの予測はAIの能力に対する過度な楽観を反映しています。私たちは、革命的に見える新技術に慎重に対処し、それらが以前の機械知能に関する推測と本質的に異なるかどうかを注意深く検討する必要があります。深層学習の専門家であるヤン・ルカンが言うように、私たちは依然として人間や動物のように効率的に学習する機械を実現するためのいくつかの重要な要素が欠けています。AIの発展の歴史における「第一歩の誤謬」は私たちが警戒すべきものである。この誤謬は、コンピュータが元々達成不可能と考えられていたタスクを完了できるようになれば、たとえそれが非常に不十分であっても、さらなる技術の進展を通じて最終的には完璧にそのタスクを達成できるようになると考えるものである。しかし、現実はしばしば、何かをできないところからできないようにやることへの距離は、できないところからうまくできるようになるまでの距離よりもはるかに短いことを証明している。AIの発展の異なる段階において、ハードウェア、ソフトウェア、そしてデータ収集は重要な役割を果たしてきました。1960年代中頃に普及したエキスパートシステムは、現実世界の知識の取得とプログラミングに焦点を移しました。しかし、1990年代初頭には、このAIブームは最終的に破綻し、知識の取得と維持の巨大な課題が明らかになりました。これは、初期の成功と広範な採用が「新しい産業」の持続性を保証しないことを私たちに思い起こさせます。バブルは最終的に弾けるのです。AI研究開発方法に関する議論は長い間存在しており、主にルールベースのシンボリックAIと統計に基づくコネクショニズムの間で展開されています。近年、AI研究開発の重心は学術界から民間部門に移っていますが、全体の分野は依然として単一の研究方向に従う傾向があります。これは、単一のAI開発方法にすべての希望を託すべきではないことを私たちに思い出させています。未来を見据えて、NVIDIAのようなハードウェアの巨人も、AGIに特化したスタートアップも、AIの発展の歴史から教訓を学ぶべきです。警戒を怠らず、多様化を図り、単一の技術路線の罠に陥らないことが、AI分野での長期的な成功を確保するための鍵です。
AIの80年:狂信から合理性へ
#AI開発と啓蒙の80年
人工知能（AI）分野の80年の発展の中で、私たちは多くの貴重な経験を得ることができます。この期間は、資金投入の浮き沈み、研究および開発方法の多様化、そして公共の感情が好奇心から不安、さらには興奮へと変遷する様子を目の当たりにしました。
AIの歴史は1943年12月に遡ります。その時、神経生理学者マカロックと論理学者ピッツは数理論理に関する画期的な論文を発表しました。彼らは理想化された簡略化されたニューロンネットワークモデルを提案し、これらのネットワークがパルスを伝達するかしないことによってどのように単純な論理演算を実行するかを説明しました。この論文の仮説は後に実証検証に失敗しましたが、それは現代のディープラーニングのインスピレーションの源となりました。
AIの発展の過程で、私たちは工学と科学を混同したり、科学と推測を混同したり、科学と数式や公式で満たされた論文を混同したりすることに警戒する必要があります。さらに重要なのは、「人類は自分自身と同じ機械を創造できる」という錯覚の誘惑に抵抗すべきです。この頑固で普遍的な傲慢な心理は、過去80年間、テクノロジーのバブルやAIの周期的な狂熱の触媒であり続けています。
汎用AI(AGI)の概念、つまり人間に似た知能やさらには超知能を持つ機械がすぐに現れるということは、常にAI分野の話題となっています。しかし、歴史的にはAGIが実現するという予測は何度も外れています。1957年にハーバート・サイモンが「世界には考え、学び、創造することができる機械が存在する」と宣言したことから、1970年にマーヴィン・ミンスキーが「3年から8年以内に普通の人間の知能を持つ機械が現れる」と予言したこと、さらには最近OpenAIが「超知能AIが今十年のうちに現れる可能性がある」と主張したことまで、これらの予測はAIの能力に対する過度な楽観を反映しています。
私たちは、革命的に見える新技術に慎重に対処し、それらが以前の機械知能に関する推測と本質的に異なるかどうかを注意深く検討する必要があります。深層学習の専門家であるヤン・ルカンが言うように、私たちは依然として人間や動物のように効率的に学習する機械を実現するためのいくつかの重要な要素が欠けています。
AIの発展の歴史における「第一歩の誤謬」は私たちが警戒すべきものである。この誤謬は、コンピュータが元々達成不可能と考えられていたタスクを完了できるようになれば、たとえそれが非常に不十分であっても、さらなる技術の進展を通じて最終的には完璧にそのタスクを達成できるようになると考えるものである。しかし、現実はしばしば、何かをできないところからできないようにやることへの距離は、できないところからうまくできるようになるまでの距離よりもはるかに短いことを証明している。
AIの発展の異なる段階において、ハードウェア、ソフトウェア、そしてデータ収集は重要な役割を果たしてきました。1960年代中頃に普及したエキスパートシステムは、現実世界の知識の取得とプログラミングに焦点を移しました。しかし、1990年代初頭には、このAIブームは最終的に破綻し、知識の取得と維持の巨大な課題が明らかになりました。これは、初期の成功と広範な採用が「新しい産業」の持続性を保証しないことを私たちに思い起こさせます。バブルは最終的に弾けるのです。
AI研究開発方法に関する議論は長い間存在しており、主にルールベースのシンボリックAIと統計に基づくコネクショニズムの間で展開されています。近年、AI研究開発の重心は学術界から民間部門に移っていますが、全体の分野は依然として単一の研究方向に従う傾向があります。これは、単一のAI開発方法にすべての希望を託すべきではないことを私たちに思い出させています。
未来を見据えて、NVIDIAのようなハードウェアの巨人も、AGIに特化したスタートアップも、AIの発展の歴史から教訓を学ぶべきです。警戒を怠らず、多様化を図り、単一の技術路線の罠に陥らないことが、AI分野での長期的な成功を確保するための鍵です。