「6つの人工知能の神話を解明：事実とフィクションの分離」

「６つの人工知能の神話に迫る：事実とフィクションの明確化」

 

人工知能は間違いなく現在のキーワードです。特にChatGPTのような生成型AIアプリケーションの登場により、技術的な議論の中心に押し上げられました。

みんながAIの生成型アプリであるChatGPTの影響やその能力を利用することが公平かどうかについて話しています。

しかし、この完璧な嵐の中で、人工知能またはAIという言葉をめぐる数多くの迷信や誤解が急増しています。

• 「Arxiv検索のマスタリング：Haystackを使用したQAチャットボットの構築のDIYガイド」をマスターする
• 「KaggleのAIレポート2023で未来にダイブしよう – ホットなトレンドをチェックしよう」
• AIの革新的なイノベーションが開発者を強化する

これらのうち、あなたは多くを既に聞いたことがあるかもしれません！

では、これらの迷信に深く立ち入って、それらを打ち砕いてAIの真の本質を理解してみましょう。

 

 1. AIは賢い

 

一般の信念とは異なり、AIは全く賢くありません。最近のほとんどの人々は、AIのモデルは確かに賢いと思っています。これは「人工知能」という言葉に「知能」という言葉が含まれているからかもしれません

しかし、知能とは何を意味するのでしょうか？

知能は生物に特有の特性であり、知識とスキルを習得して適用する能力と定義されます。つまり、知識を使って生き残る方法を学ぶことで、生物は周囲と対話することができるということです。

一方、AIは自然の知能の一部を模倣するように設計された機械シミュレーションです。私たちが特にビジネスやオンラインプラットフォームで触れる多くのAIアプリケーションは、機械学習に依存しています。

  

これらは特定のタスクのために大量のデータを使用して訓練された特殊なAIシステムです。ゲームをプレイしたり、言語を翻訳したり、画像を認識したりするなど、指定されたタスクで優れた性能を発揮します。

ただし、それらの範囲外では通常まったく役に立ちません… さまざまなタスクのスペクトルにわたって人間のような知能を持つAIの概念は、一般的なAIと呼ばれ、このマイルストーンを達成するにはまだ遠いのです。

 

2. 大きいほど良いとは限らない

 

テックジャイアントの競争は、彼らのAIモデルのサイズの大きさを自慢することがしばしば中心になります。

Llamaの2番目のオープンソースLLMのローンチは、強力な700億のフィーチャーバージョンで驚かせました。GoogleのPalmaは5400億のフィーチャーを持ち、OpenAIの最新のローンチであるChatGPT4は1800兆のフィーチャーで輝いています。

しかし、LLMの数百億のフィーチャーが必ずしも性能の向上に結び付くわけではありません。

データの品質とトレーニングの方法論が、モデルの性能と精度をより決定する要素です。これはすでにStanfordによるAlpaca実験で証明されており、70億のフィーチャーを持つシンプルなLlamaベースのLLMが、驚異的な1760億のフィーチャーを持つChatGPT 3.5と同等の性能を発揮することができました。

だからこそ、明確なNOです！大きいほど必ずしも良いわけではありません。LLMのサイズと対応する性能を最適化することで、これらのモデルの使用を地域に民主化し、日常のデバイスに統合することができるようになります。

 

3. AIの透明性と責任

 

一般的な誤解は、AIが不透明な謎の箱であり、透明性が欠如しているということです。実際には、AIシステムは複雑であり、まだかなり不透明ですが、その透明性と責任を高めるための大きな努力がなされています。

規制当局は、倫理的かつ責任あるAIの活用を推進しています。Stanford AI Transparency ReportやEuropean AI Actなどの重要な動きは、企業にAIの透明性を向上させるよう促し、政府がこの新興領域の規制を策定するための基盤を提供することを目指しています。

透明なAIは、AIコミュニティで焦点となる議論の中で現れており、AIモデルの徹底的なテストを確認するためのプロセスや、AIの意思決定の根拠の理解など、さまざまな問題を包括しています。

これがAIモデルを透明化する方法について、世界中のデータプロフェッショナルがすでに取り組んでいる理由です。

だから、これは部分的には真実かもしれませんが、一般的に考えられているほど深刻ではありません！

 

4. AIの絶対性

 

多くの人々がAIシステムは完璧でエラーを犯さないと信じていますが、これは真実とは程遠いものです。あらゆるシステムと同様に、AIのパフォーマンスはトレーニングデータの品質に依存します。そして、このデータはしばしば、常にと言っても過言ではなく、人間によって作成または編集されます。

もしデータにバイアスが含まれている場合、AIシステムはそれを無意識に持続させてしまいます。

MITのチームによる広く使用されている事前学習言語モデルの分析により、特定の職業や感情と性別を関連付ける際の顕著なバイアスが明らかになりました。例えば、客室乗務員や秘書のような役割は主に女性的な特徴に結びつけられ、弁護士や裁判官は男性的な特徴に結びつけられました。同様の傾向は感情に関しても観察されました。

他の検出されたバイアスは人種に関するものです。LLMが医療システムに導入される場合、トレーニングデータに内在するバイアスを反映し、有害な人種に基づいた医療手法を持続させる可能性があるとの懸念も出ています。

人間の介入によってこれらの欠点を監視し修正することが重要であり、AIの信頼性を確保するための鍵は、代表的かつ偏見のないデータを使用し、これらのバイアスを相殺するためのアルゴリズムの監査を行うことにあります。

 

5. AIと就職市場

 

最も広範な恐れの一つは、AIが大量失業を引き起こす可能性です。

しかし、歴史は、技術が特定の仕事を陳腐化させる一方、新しい産業と機会を生み出すと示唆しています。

  

例えば、世界経済フォーラムは、AIが2025年までに8500万の仕事を取って代わり、9700万の新しい仕事を作り出す可能性があると予測しています。

 

 6. AIによる支配

 

最後で最もディストピア的なものです。映画「マトリックス」や「ターミネーター」のような大衆文化は、AIが人類を奴隷化する可能性を暗く描いています。

エロン・マスクやスティーブン・ホーキングなどの影響力のある声が懸念を表明していますが、現在のAIの状態はこのディストピア的なイメージからは程遠いものです。

現在のAIモデル（ChatGPTなど）は、特定のタスクの支援のために設計されており、SF作品に描かれるような能力や動機を持っていません。

だから、今のところ…私たちはまだ安全です！

 

主な結論

 

結論として、AIが進化し、日常生活に統合され続ける中、事実とフィクションを切り離すことが重要です。

知識とAIの実際の範囲に対する明確な理解を持つことで、私たちはその全ての潜在能力を活用し、責任を持って課題に取り組むことができます。

迷信は判断を曇らせ、進歩を妨げることができます。

知識とAIの実際の範囲に関する明確な理解を持ちながら、私たちは前進し、技術が人類の最善の利益に役立つことを確認することができます。

[Josep Ferrer](https://www.linkedin.com/in/josep-ferrer-sanchez)は、バルセロナ出身のアナリティクスエンジニアです。彼は物理工学を卒業し、現在は人間の移動に応用されるデータサイエンスの分野で働いています。彼はデータサイエンスとテクノロジーに特化したパートタイムのコンテンツクリエーターです。Linkedin、Twitter、またはVoAGIから彼に連絡することができます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!