AIの歴史：未来のフィクションから企業の未来まで

「人工知能」という言葉を言うと、ほとんどの人はAlexaとSiriを思い浮かべます。他の人は、ターミネーターや2001年宇宙の旅のような映画を考えるかもしれません。

真実は、人工知能（AI）は遠く離れたサイエンスフィクションの概念ではないということです。実際、それは私たちの周りのいたるところにあります。Netflixが次のテレビ番組を推奨したり、Uberが最適な帰路を最適化したりすることを考えてみてください。

AIは、何十年にもわたって進化し、今日も進化し続けている、相互接続された最新のテクノロジーの洗練されたエコシステムです。したがって、AIの歴史も複雑で多層的であることは当然のことです。これは、現在の状態でAIを構築してきた、さまざまな変化するツールと機能を特徴とする歴史です。

今日のAIの重要性を理解し、明日の準備をすることは、AIがどこから始まったのか、そしてAIがどのように進化して今日のゲームを変えるテクノロジーになるのかを理解するのに役立ちます。

20世紀のAI：野心的な概念実証

現代のAIは、学者がコンピューティングの未来について深く考えているエリート大学の研究部門の学術室で生まれました。しかし、その初期の頃は、データと計算能力の不足のおかげで立ち往生して、これらの部屋に限定されていました。

1956年、ダートマスカレッジは、人工知能に関するダートマスサマーリサーチプロジェクトを主催しました。このワークショップは、AIの学術研究への重要な第一歩として知られるようになりました。ワークショップでは、20人の研究者が、学習を「機械でシミュレートできるように」非常に正確に記述できるという仮説を証明することを目的としました。

1年後の1957年、アメリカの心理学者フランク・ローゼンブラットは、二項分類を正常に実行できるアルゴリズムであるパー​​セプトロンを使用してダートマスの研究を拡大しました。ここから、人工ニューロンがデータからどのように学習できるかについての有望な証拠が見られ始めました。

そしてもう1年後、人工知能に関するダートマスサマーリサーチプロジェクトの参加者であるジョンマッカーシーとMITの多数の学生が、Lisp（新しいプログラミング言語）を開発しました。数十年後、マッカーシーの研究は、SHRDLU自然言語プログラム、Macsyma代数システム、ACL2論理システムなど、新しくてさらにエキサイティングなプロジェクトを実現するのに役立ちます。

ソース

これらの初期の実験を振り返ると、AIが、コンピューティングの実用的な世界への意欲的な研究の世界から、最初の不安定な一歩を踏み出していることがわかります。

1960年には、人口統計に基づいて人々がどのように投票するかを予測できると主張したSimulmaticsがデビューしました。

1965年、研究者たちはいわゆる「エキスパートシステム」を開発しました。これらのシステムにより、AIは、事実の収集と推論エンジンを組み合わせてデータを解釈および評価することにより、コンピューターシステム内の特殊な問題を解決することができました。

その後、1年後の1966年、MITのジョセフワイゼンバウム教授は、AIがインテリジェントであることをユーザーに示すElizaと呼ばれるパターンマッチングプログラムを設計しました。ユーザーはプログラムに情報を提供することができ、心理療法士として行動するエリザは、それに応じて自由形式の質問を提供します。

1970年代半ばまでに、政府や企業はAIへの信頼を失っていました。資金が枯渇し、その後の期間は「AIの冬」として知られるようになりました。 1980年代と1990年代に小さな復活がありましたが、AIは主に空想科学小説の領域に追いやられ、その用語は真面目なコンピューター科学者によって避けられました。

1990年代後半から2000年代初頭にかけて、Microsoftによるスパムフィルタリングのベイズ法やAmazonの推奨事項の協調フィルタリングなどの機械学習技術の大規模な適用が見られました。

21世紀のAI：大成功を収めたパイロットプログラム

2000年代には、コンピューティング能力、より大きなデータセット、およびオープンソースソフトウェアの台頭により、開発者は、科学、消費者、製造、およびビジネスのコミュニティに比較的短期間で革命をもたらす高度なアルゴリズムを作成できました。 AIは、今日多くの企業にとって現実のものとなっています。たとえば、マッキンゼーは、企業が現在AIを使用してビジネス上の問題に対処している400の例を発見しました。

ウェブはデータを整理するための新しい方法を提供します

2000年代初頭から中期に世界を席巻したウェブ革命は、いくつかの重要な変化を伴ってAI研究の世界を去りました。 Extensible Markup Language（XML）やPageRankなどの基盤技術は、AIが使用できる新しい方法でデータを整理しました。

XMLは、セマンティックWebと検索エンジンの前提条件でした。 Googleの初期のイノベーションであるPageRankは、Webをさらに整理しました。これらの進歩により、Webがより使いやすくなり、大量のデータにAIがアクセスしやすくなりました。

同時に、データベースはデータの保存と取得が向上し、開発者はそのデータの操作を容易にする関数型プログラミング言語に取り組んでいました。ツールは、研究者や開発者がAIテクノロジーをさらに発展させるために存在していました。

ニューラルネットワークとディープラーニングはAIの可能性を示しています

20世紀にはAIに大きな夢がありましたが、コンピューティング能力によってAIを構築することはほぼ不可能でした。しかし、21世紀までに、コンピューターは大量のデータの保存、処理、分析において指数関数的に強力になりました。これは、ニューラルネットワークとディープラーニングの高い目標が現実になる可能性があることを意味しました。

研究者は、マシンのトレーニングに特に適したデータセットを開発し、AlexNetのようなニューラルネットワークを実現しました。以前は、機械のトレーニングは数万のデータセットに依存していましたが、グラフィックスプロセッシングユニット（GPU）の進歩により、新しいデータセットの数は数千万に達する可能性がありました。

コンピューターチップメーカーのNvidiaは、2006年に並列コンピューティングプラットフォームCUDAを立ち上げました。このプラットフォーム内で、NvidiaはGPUを使用してコンピューティングを高速化しました。このパフォーマンスの向上により、TensorFlowやPyTorchなどの機械学習ライブラリで記述された大規模で複雑な機械学習モデルを実行する人が増えました。

ソース

将来的には、これらのライブラリはオープンソースになり、テクノロジーがより利用しやすくなるにつれて、広範な実験を刺激するでしょう。このAIの民主化は、AlphaGo、Google DeepMind、IBMDeepBlueなどのエキサイティングな新しいツールを軌道に乗せるのに役立ちます。

コンピュータビジョンは、新しい業界アプリケーションへの扉を開きます

2000年代まで、AIはテキストを処理している場合にのみ本当に役立ちました。しかし、世紀の変わり目に、コンピューターが画像を認識して解釈できるようにするコンピュータービジョンの進歩により、AIのユースケースは新たな高みへと押し上げられました。

今回、私たちの先駆者は学者ではありませんでした。代わりに、彼らはあなたの家の中に住み、掃除（ルンバ）とゲーム（XBox Kinect）をこれまでになく簡単にし、世界中の家にコンピュータービジョンをもたらしました。

また、新しい自動運転車や病院で、病変や肺炎などの状態を自動的に検出するためにコンピュータービジョンが使用されていることもわかりました。

業界固有のユースケースを超えて、コンピュータービジョンのバリエーションは、ロボットプロセス自動化（RPA）の進歩に火をつけるのにも役立ちました。 🎉光学式文字認識（OCR）が追加されたRPAロボットは、構造化データと非構造化データの両方を処理できます。これにより、データ分析の世界が変わりました。

データ分析によりAIビジネスアプリケーションが改善されます

過去20年間で、自動化とAIが複雑なビジネスユースケースに対応できることがわかりました。また、AIのデータ分析がさらに向上するにつれて、企業はAIをさらに活用して、よりスマートかつ効率的に作業できるようになります。

銀行はAIを使用して、顧客からの問い合わせを、毎年受信する大量の構造化されていない電子メールからさまざまなカテゴリに分類しています。このプロセスは手動で集中するか、ルールベースのキーワード分類を使用すると不十分な結果を生成します。 AIを使用すると、銀行はこれらのメールを高レベルの精度で分類し、平均処理時間（AHT）を短縮できます。

AIと自動化は、金融サービス企業を支援するだけではありません。医療費支払者は、リスクの高い妊娠の特定を加速しています。ソフトウェアロボットは、検証済みの患者データをロードし、予測モデルにアクセスして患者のリスクをスコアリングし、適切なケア管理計画を決定します。その結果、低出生体重妊娠の44％を回避しながら、正確に特定された低出生体重妊娠の数が24％増加し、年間1,100万ドルを節約できます。全文を読む。

自然言語処理と音声認識により、AIの使いやすさが向上します

AIはテキストの分析から始まりましたが、それをマスターしたわけではありません。最近まで、テキストは、たとえOCRを使用していても、機械可読形式で構造化する必要がありました。自然言語処理（NLP）の分野は、自然言語を理解するようにコンピューターをプログラムする機能に最先端を押し上げました。

NLPのよく知られている例の1つは、Generative Pre-trained Transformer 3（GPT-3としてよく知られています）です。 2020年5月に導入されたGPT-3は、ディープラーニングを使用して、人間が作成したテキストによく似たテキストを生成します。すでに、記事の作成（たとえば、ガーディアンはロボットの無害性に関する記事の作成をGPT-3に依頼）やコンピュータープログラムの生成など、GPT-3の興味深いアプリケーションが登場しています。

NLPのアプリケーションは、GPT-3を超えて拡張されます。 NLPを使用して、音声からテキストを作成したり、テキストのスパンの意味を自動的に要約したり、言語間でテキストを翻訳したりすることができます。

NLPは最先端に存在することがよくありますが、私たちの家にも浸透しています。たとえば、AlexaやGoogleなどの仮想アシスタントは、自然言語のリクエストを処理して、実行可能なコマンドに変換できます。簡単な音声リクエストで、これらのAIアシスタントは情報を検索できます。コマンドをライトやロックなどのスマートデバイスにルーティングします。など。

AIの未来：エンタープライズゲームチェンジャー

テクノロジーが成熟する次の10年に入ると、AIのエンタープライズユースケースは成長し続けるだけです。過去のツールはAIで可能なことの基礎を築きましたが、これらのツールを拡張することで、まだ多くの問題を解決する必要があります。

AIがさらに進歩するにつれて、企業はRPA、機械学習、プロセスマイニング、データ分析を活用して、すべての成熟段階でこれらのテクノロジーにますますアクセスできるようになるため、強力なエンドツーエンドの自動化スイートを作成するようになります。 。 AIはもはや研究者と開発者の独占的なドメインではなくなります。日常のユーザーは、最新のツールを利用して、特定した問題に対するAIベースのソリューションを作成できるようになります。

ビジネスユーザーがテクノロジーにアクセスしやすくなるにつれて、自動化のはずみ車が回転し、企業にAIアプリケーションのアイデアと可能性をますます提供するようになります。これらの可能性は、再起動して作業方法に革命をもたらす最先端の自動化プラットフォームとツールによってサポートされます。

UiPath AIファブリックを使用すると、ユーザーはモデルの起動、モデルへのデータの取り込み、洞察の取得、有用性の評価を簡単に行うことができます。

編集者注： 自動化市場が進化し続けるにつれて、UiPathプラットフォームも更新され、お客様の自動化のニーズに最適に対応できるようになります。そのため、AIファブリックの製品名は、記事が最初に公開されてから進化してきました。最新情報については、をご覧ください。 AIセンターのページにアクセス 。

今日のAI：始めるのに最適なタイミング

自動化する時が来ました。 AIの進化の段階に到達しました。これは理論的ではありません。これは不可欠であり、AIを採用する企業にとって数千億ドルの価値を引き出すと予測されています。

主要な組織が自動化とAIを使用して、完全に自動化されたエンタープライズ™になるというビジョンを実現する方法をご覧ください。