ロボットが橋渡しの役割をする

その理論的根拠の一つにテクノロジーが加速度的に進化する「収穫加速の法則」というものがあり、これ自体はム-アの法則(コンピュータの処理性能が数年単位で倍になる)含めて今までの統計データから導かれた事実です(厳密には原理が解明されていないので経験則ですが)シンギュラリティについてはまた人工知能のリスクで触れたいと思います。そのカーソワイルが2015年現在、Googleで何をやっているかというと、人間の脳で思考を担う役割と言われている大脳新皮質の働きを、コンピュータでシミュレーションする研究を行っています。
人工知能はひどく蛇行したグラフですね

カーツワイル自身は、脳の構造を真似ることが強い人工知能を作る効率的なアプローチと信じているようです2つ目は、2014年に4億ポンド(1ポンド-176円として約700億円)で買収したDeepMind社です。この会社のこれまでの成果はいえば、DQNDeepQ-Networkという人工知能アルゴリズムで懐かしのゲームを攻略したことです。これだけ聞くと、「え、それだけ?と思うかもしれません。

人工知能の技術が公開される


インターネット文字が生まれ楔形文字が使用されるようになり

DONがすごいのは、自分でゲームの攻略法自体を探すことにあります例えば、インベーダゲームに対して、DQNに「スコアを最大にせよ」という指示(勿論ゲーム画面のデータも)を与えるだけで、あとは、ディープラーニングで自己学習して、30分後にはコツをつかみ一晩明けるともはや人間のゲーマーでもかなわないほど熟達するというのです。インベダー以外でも、ゲームメーカアタリが提供する数十のゲームで同じような成果を出すことが出来ました。
人工知能の開発が優先するかもしれない

AIが努力だけでは成功できません

勿論ゲームはあくまで今の手段の1つで、DeepMindのミッションはただ1つ、自社サイトで明記してますが「知性の解明(SolveIntelligence)」ですDeepMind社にあるのはまだ研究用アルゴリズムだけで、要員も150名程度の規模です2015年段階徐々にメディアにも出てきており、彼らが開発したDQNについては、Nature誌でも発表されています。方針としては、ディープラーニングと強化学習の手法で紹登場したQ学習を組み合わせたもののようです。ちなみに、彼らは数十年の期間で汎用的な人工知能のロードマップを描いており、今後の研究過程についても公表の構えはあるようです最後の3つ目のトピックは、コンピュータの処理性能に関するものです。


AIの世界でビジネスをしていて痛感する

Watsonを医療分野へ応用されています

ディープラーニングが脳の視覚処理プロセスを応用した、ということは触れましたが、同時に(学習用)ビッグデータと、GPUなど高いコンピュータ処理性能の恩恵を受けている、という話もしました.Googleはこのコンピュータ処理性能を高める研究も着々と進めており、その代表例が「量子コンピュータ」
です難しそうな香りがしますが、要は量子力学という物理法則を活用したコンピュータの開発です量子力学とは、既出なので改めての説明になりますが、ミクロな世界ではモノの位置と動きは同時には測定出来ない(確率的に表現するしかないという不思議な法則です。
人工知能の開発が優先するかもしれない

AIのおもしろいところである


テクノロジーアーキテクチャTAの四つの体系で検討を実施します

不思議といいながらもコンピュータの計算エンジンである集積回路など、先端技術の多くはこの法則を元に築かれています。参考までに、集積回路をミクロ化していくと、いつかこの量子力学の影響を受けることを根拠に、ムーアの法則は限界が近い、という意見も出ています。