AI は、コンピュータが、言語の理解、データの分析、さらには役立つ提案の提供など、これまで人間の知能を必要としていたさまざまな高度なタスクを学習、推論、実行できるようにする一連のテクノロジーです。これは世界中の人々や社会に有意義で前向きな変化をもたらすことのできる革新的な技術です。

AI は広範囲にわたる分野であり、そこにはコンピュータ サイエンス、データ分析と統計、ハードウェアおよびソフトウェア エンジニアリング、言語学、神経科学、さらには哲学や心理学などのさまざまな分野が包含されています。

AI とは、コンピュータに人間の脳と同じように、周囲の世界を理解したり、新しいことを学んだり、斬新なアイデアを生み出したりといった素晴らしいことをするように教えることです。たとえば、光学式文字認識（OCR）では、AI を使用してさまざまな画像やドキュメントからテキストやデータを抽出します。このプロセスでは、非構造化コンテンツが構造化されたビジネス対応のデータに変換され、貴重な分析情報を引き出すことができます。

AI 技術は多岐にわたりますが、そのすべてが基本的にデータ、アルゴリズム、計算能力に依存しています。AI システムは、膨大な量のデータを利用することで学習と改善を行い、人間が見逃す可能性のあるパターンや関係を特定します。このデータはトレーニング資料として機能し、その質と量が AI のパフォーマンスに大きく影響します。

前述のように、AI は単一のテクノロジーではなく、いくつかの主要な領域にわたる広範な分野です。

• ML（機械学習）: これは AI の一種で、システムがデータから学習してパターンを特定し、直接プログラミングしなくても予測や意思決定を行います。コンピュータに何千枚もの鳥の写真を見せて鳥を認識するように教えることを想像してみてください。コンピュータは鳥がどのようなものかを自力で学習します。
• ディープ ラーニング（DL）: ML のサブ分野であるディープ ラーニングは、多くのレイヤを持つ（そのため「ディープ」）人工ニューラル ネットワークを使用してデータから学習します。これらのネットワークは人間の脳の構造に着想を得ており、画像や音声認識などの複雑なタスクに特に優れています。
• 自然言語処理（NLP）: NLP により、コンピュータは人間の言語を理解、解釈、生成できます。これは Siri や Alexa などの音声アシスタント、翻訳サービス、chatbot の基盤となっています。
• コンピュータ ビジョン: この分野により、コンピュータは画像や動画などの視覚情報を「見て」解釈できます。顔認識から自動運転車まで、あらゆる分野で活用されています。

AI の始め方を学びたいですか？初心者向けの無料講座生成 AI 入門を受講しましょう。

AI は、開発の段階または実行されるアクションに応じて、いくつかの形に整理できます。

この分類では、インテリジェンス レベルと問題解決能力に基づいて AI モデルを定義します。

• 特化型人工知能（ANI）: 現在存在する唯一の AI の形態です。ANI モデルは、画像の識別、チャット、メールのフィルタリングなど、単一の特定のタスクを実行するように設計されています。例としては、音声アシスタント、顔認識テクノロジー、Gemini などの生成 AI モデルやその他の大規模言語モデル（LLM）などがあります。ANI はその名前とは異なり、推論や自己認識を備えていません。代わりに、データとアルゴリズムを組み合わせて、事前定義されたパラメータ内で予測を行います。ANI には多くのメリットがある一方で、リスクもあります。トレーニング データが不十分な場合、バイアスがかかった不正確な出力につながる可能性があります。これはローンの承認、採用の決定、予測ポリシングなどのアプリケーションでは重大な問題となります。サイバー犯罪者は、ANI を悪用して AI を活用した巧妙な詐欺行為をはたらく可能性もあります。
• 汎用人工知能（AGI）: これは、AI 技術の将来のステップとして提案されているものです。理論的には、AGI は幅広いタスクを実行でき、人間のような推論を利用して学習、適応、改善を行います。AGI はまだ存在していません。ANI とは異なり、AGI は適応性、自律性、行動から学習する能力を備えていることが期待されています。架空の例としては、「スターウォーズ」のドロイドが挙げられます。しかし、AGI は安全性と倫理に関する重大な懸念を引き起こすことがあります。というのは、悪意のある行為者が有害な意図を持って AGI をプログラミングすると、規制がない場合、無限の破壊能力につながる可能性があります。
• 人工超知能（ASI）: これは、AI の最も高度な理論上の形態です。ASI は、人間の制御を超えて動作する自己認識エンティティであり、推論、創造性、さらには感情的知性において人間の知能を大幅に上回ります。他の形式の AI と同様に、ASI が人類に存亡の危機をもたらす可能性があるという懸念があります。一部の AI 研究者は、人類の絶滅を含む極めて悪い結果が起こる可能性は無視できないと示唆しています。

この分類では、特定のコンテキストにおける AI の動作と対話に基づいて AI を分類します。

1. リアクティブ マシン: 事前にプログラムされたルールに基づいて、さまざまな刺激にしか反応しない制限付き AI。メモリがないため、新しいデータから学習できません。有名な例として、1997 年にチェスの世界チャンピオンであるガルリ カスパロフを破った IBM のディープブルーがあります。
2. メモリの制限: 最新の AI のほとんどはメモリが制限されています。AI は、通常は人工ニューラル ネットワークやその他のトレーニング モデルを通じて、新しいデータでトレーニングすることで、メモリを使用して時間の経過とともに改善できます。このメモリは短期的なもので、セッションが終了すると、メモリは多くの場合リセットされます。たとえば、自動運転車が他の車両を観察する場合や、Gemini のような chatbot が会話の以前のメッセージを記憶する場合が挙げられます。
3. 心の理論: 心の理論 AI はまだ存在していませんが、その可能性を探る研究は続けられています。これは人間の心をエミュレートでき、人間と同等の意思決定機能を持つ AI を意味します。たとえば、社会的な状況において人間と同じように感情を認識して記憶し、対応できます。

AI の影響は広範囲に及び、拡大し続けており、私たちの生活や産業のほぼあらゆる側面に及んでいます。次の分野でその影響を確認できます。

• 日常生活: スマートフォンのバーチャル アシスタント、ストリーミング サービスでのパーソナライズされたおすすめ、メールの迷惑メールフィルタ、Google マップなどのナビゲーション アプリは、すべて AI を活用して機能しています。
• ヘルスケア: AI は、医療画像の分析による病気の早期診断、治療計画のパーソナライズ、新薬開発の劇的な加速において医師を支援することで、医療に革命をもたらしています。
• 交通: 自動運転車は、安全に走行するために、ナビゲーション、物体検出、リアルタイムの意思決定に AI を使用してします。
• ビジネス オペレーション: 企業は、カスタマー サービスの chatbot や金融の不正行為の検出から、サプライ チェーンの最適化やマーケティング キャンペーンのパーソナライズまで、あらゆることに AI を使用しています。
• エンターテイメント: ビデオゲームでは、AI がよりリアルで難しいキャラクターを作成しています。コンテンツ制作では、生成 AI が作曲、脚本の執筆、美しいビジュアル アートの作成を行えるようになっています。

AI のその他のユースケースについては、1,000 件以上の実際の生成 AI ユースケースについては、Google Cloud 公式ブログをご覧ください。

自分で考えることができる機械というアイデアは、新しいものではありません。知能を持つ人工生命体の概念は数十年前から存在していましたが、現代の AI 分野が本格的に形を成し始めたのは 20 世紀半ばです。私たちが知る AI の歴史を見てみましょう。

• AI の萌芽（1940 年代～ 1950 年代）: 1940 年代にプログラミング可能なコンピュータが発明されたことで、想像力が刺激されました。1950 年、アラン チューリングは「チューリング テスト」を提案しました。これは、機械が人間と区別できない知的な振る舞いを見せられるかどうかを測る方法です。これは、哲学と科学の面で重要な一歩でした。
• 分野の誕生（1956 年）: ジョン マッカーシーなどの先駆者によって組織されたダートマス夏季研究プロジェクトは、学術分野としての AI の正式な誕生として広く知られています。ここで「人工知能」という言葉が生まれました。
• 初期の成功と課題（1960 年代～ 1970 年代）: 研究者たちは、会話をシミュレートできる chatbot である ELIZA や、環境について推論できる最初のロボットの一つである Shakey the Robot など、初期の AI プログラムを開発しました。しかし、真のインテリジェンスを構築する複雑さから、資金や進捗が低下する時期が訪れました。これは「AI の冬」と呼ばれることがよくあります。
• 復活と成長（1980 年代～ 2000 年代）: エキスパート システムの開発と、その後の ML の台頭により、AI 研究に新たな活気がもたらされました。1997 年に IBM のディープブルーがチェスのグランドマスターを破ったなどのマイルストーンが、AI の能力が向上していることを示しました。
• 現代の AI ブーム（2010 年代～現在）: コンピューティング能力の向上、膨大なデータセットの利用、ディープ ラーニング（特にニューラル ネットワーク）のブレークスルーが、現在の AI 革命を促進しています。この時代には、業界を変革する強力なツールが登場しました。