今日、怠け者だけが人工知能について書いていない。 たとえば、 オートデスクは、人工知能が人間よりもはるかに多くの要因を考慮に入れることができるため、複雑な問題に対してより正確で論理的、さらに創造的なソリューションを提供できると考えています。 オックスフォード大学は一般に、近い将来に人工知能がフルタイムのジャーナリストに取って代わり、彼らのためにレビューや記事を書くことができると示唆しています（そしてそれがピューリッツァー賞が勝つ理由です）。
人工知能のトピックに関する一般的な魅力は、科学会議の枠組みをはるかに超えており、作家、映画製作者、一般大衆の心を刺激しています。 ロボット（またはSkynet）が世界を支配するか、少なくとも日常的なタスクの大部分を一目で解決する未来から。 しかし、科学者自身はこれについてどう思いますか？
そもそも、「人工知能」という用語を理解する価値があります。このテーマに関する憶測や芸術的な誇張が多すぎます。 この問題については、この用語の著者（および、同時にLisp言語の作成者であり、多くの賞の受賞者でもある）-John McCarthyに連絡するのが最善です。 同じ名前の記事 （「人工知能とは」）で、マッカーシーは次の定義を与えました。
これは、インテリジェントマシン、特にインテリジェントコンピュータープログラムを作成する科学技術です。 人工知能は、コンピューターを使用して人間の知能の働きを理解するタスクに関連付けられていますが、生物学で観察される方法の使用に限定されません。
人工知能と人間の知能は密接に関連していることがわかりましたか？ そうではありません-マッカーシー自身が強調しました：「一般に」知性が対象が設定された目標を達成するのを助けるものの「計算上の」構成要素であるなら、人、動物、機械の知性は異なって働きます。
人工知能は人類のようなものではないことがわかりますが、多くの未来派、作家、そして科学者でさえも、そうではないと信じたいのです。 これは、カリフォルニア大学バークレー校のマイケル・ジョーダン名誉教授によってしばしば繰り返されます。 彼は、人工知能とは何かを理解していないと、実際の科学とは関係のない「美しい画像」の作成につながるだけでなく、実際の誤報やこの分野で繁栄するあらゆる種類の神話につながると考えています。
神話1：人工知能を作成または改善するには、人間の脳の仕組みを理解する必要があります。
ジョーダンは 、そうではないと主張する。 人工知能の仕事は、原則として、人間の知能がどのように機能するかとは関係ありません。 この「神話」は、「美しいアイデア」に対する大衆の嗜癖に深く根ざしています。人工知能に関する人気のある科学記事の著者は、神経生物学から得られた比phorがとても好きでした。
実際、神経生物学は人工知能の仕事と非常に間接的な関係を持っています（またはまったく関係がありません）。 マイケル・ジョーダンにとって、「深層学習には人間の脳が情報を処理して学習する方法を理解する必要がある」という考えは、うそをついているように聞こえます。
ディープラーニングに関係する「ニューロン」は比phor（または、ヨルダンの言語では一般に脳の「似顔絵」）であり、簡潔さと利便性のためにのみ使用されます。 実際には、同じ深層学習のメカニズムの働きは、実際のニューロンの働きよりもロジスティック回帰の統計モデルを構築する手順に非常に近いです。 同時に、「簡潔さと便利さ」のために統計と計量経済学で「ニューロン」の比phorを使用することは誰にも起こりません。
神話2：人工知能とディープラーニング-現代科学の最新の成果
「人間のように考える」コンピュータが近い将来私たちに同行するという意見は、人工知能、ニューラルネットワーク、深層学習は現代科学のみの財産であるという考えに直接関係しています。 実際、これらすべてが数十年前に発明された（そしてロボットがまだ世界を捕らえていない）という考えを仮定すると、一般的な科学的成果からの「期待の閾値」と特にその開発速度を大幅に削減する必要があります。
残念ながら、メディアは素材への関心を高めるために可能な限りのことを行おうとしており、編集者の意見では読者の関心を引くトピックを選択する際に非常に選択的です。 その結果、彼らと彼らの見通しによって記述された成果は、実際の発見よりもはるかに印象的であることがわかり、情報の一部は情熱を減らさないように単に「慎重に下げられ」ます。
人工知能の「ソースの下」で提示されているものの多くは、80年代以来人類に知られているニューラルネットワークに関する情報を単に処理したものです。
80年代には、誰もが1960年代に知られていたことを繰り返しました。 20年ごとに同じトピックに関心の波があるようです。 現在の波では、主なアイデアは畳み込みニューラルネットワークです。これは約20年前にすでに言及されました
-マイケル・ジョーダン
神話3：人工ニューラルネットワークは、「実際の」ものと同じ要素で構成されています
実際、コンピューターシステムの開発に携わる専門家は、多くの神経生物学者よりもはるかに大胆に神経生物学の用語と定式化を行っています。 脳の働きと人間の知能の構築への関心は、「神経のリアリズム」のような理論の発展の育種地になっています。
さらに、人工知能システムにはスパイクや樹状突起はありません。さらに、彼らの仕事の原理は、脳の仕事だけでなく、悪名高い「神経のリアリズム」からも遠いです。 実際、ニューラルネットワークには「ニューラル」はありません。
さらに、ヨルダンによると、人工知能システムの仕事を脳の仕事にたとえることに基づいた「神経のリアリズム」の考えは、水を持たない。 彼によると、人工知能の分野で進歩をもたらしたのは「神経のリアリズム」ではなく、人間の脳の仕組みとは完全に矛盾する原則の使用です。
例として、ジョーダンは「ラーニングエラーポストバック」に基づく人気の深層学習アルゴリズムを引用しています。 その動作原理（つまり、反対方向の信号伝送）は、人間の脳の働きと明らかに矛盾しています。
神話4：科学者は人間の知能がどのように機能するかを理解する
そしてこれもまた真実とは程遠い。 同じマイケル・ジョーダンによると、脳の根底にある原理は神経生物学の未解決の問題のままではない-この分野では、科学者は何十年も問題の解決策から切り離されている。 また、脳の実際の模倣を作成しようとしても、研究者は人間の知能がどのように機能するかを理解することに近づきません。
これは、いつか人々がそれに適したアルゴリズムを作成することを期待して作成されたアーキテクチャです。 しかし、この希望を強化するものは何もありません。 希望は、脳のようなものを構築すると、それが何ができるかがすぐに明らかになるという信念に基づいていると思います
-マイケル・ジョーダン
ジョン・マッカーシーは、次のように強調しました。問題は、人間の知性のイメージと似顔絵のシステムを作成することだけでなく、科学者自身がそれ（知性）が何であり、どの特定のプロセスが責任を負うか。
科学者はさまざまな方法でこの質問に答えようとしています。 マイケルニールセンは、彼の著書 『 Neural Networks and Deep Learning』でいくつかの観点を挙げています。 たとえば、コネクトミクスの観点から、私たちの知性とその働きは、脳に含まれるニューロンとグリア細胞の数、およびそれらの間に観察される接続の数によって説明されます。
約1,000億のニューロン、1,000億のグリア細胞、および脳内のニューロン間の100兆個の接続があることを考えると、このアーキテクチャを「正確に再現」して機能させることはほとんどありません。
しかし、ヒトゲノムと進化連鎖の人々の近親者との違いを研究している分子生物学者は、より有望な予測を与えます：ヒトゲノムはチンパンジーゲノムと1億2500万塩基対異なることがわかりました。 図は大きいが、無限に大きくはないため、これらのデータに基づいて科学者グループが「実用的なプロトタイプ」ではなく、少なくとも人間の脳の適切な「遺伝的記述」、またはむしろ基本的な原理を作成できることを希望する機会をニールセンに与えます。彼の仕事の根底にあります。
ニールセンは「一般に認められた人間の排外主義」を固守し、人間の知能の働きを決定する重要な原理は、人間とチンパンジーが一致するゲノムの残りの96％ではなく、1億2500万塩基対にあると考えています。
それでは、人間の能力と同等の人工知能を作成できますか？ 近い将来、自分の脳がどのように機能するかを理解することは可能でしょうか？ マイケル・ニールセンは、それは非常に可能であると考えています-あなたが明るい未来に自信を持って武装し、自然界の多くのものが一見すると思われるよりも単純な法則に従って働くと信じています。
しかし、マイケルジョーダンは、ジャーナリストの挑発に屈することなく、「革命的な」解決策を探すことなく、研究者の実践的な仕事により近いアドバイスを与えています。 彼の意見では、人工知能の問題に取り組んでいる科学者は、研究の出発点および究極の目標として人間の知能に結び付けられており、不必要に自分自身を制限しています：この分野の興味深い解決策は、脳の働きに関係しない方向にある可能性があります（そして、私たちには彼のデバイスのように思われます）。
PS 1cloudの私たちは、 Habréのブログで最もさまざまなトピックを検討しています-いくつかの例を示します。
そして、私たち自身のクラウドサービスについて話してください：