コンピュータではなく人間である

AIのワトソンは労働を提供する

例えば、当時MicrosoftCEOのビルゲイツは、2001年の講演で、「21世紀のマイクロソフトの基本戦略はベイズテクノロジーだとまで宣言しています。
ベイズ理論は、人工知能の領域に留まらず、金融·軍事·物理など広範囲な分野に適用されており、近年では自動運転車の位置を計測する技術にその理論が応用されています。
さて、話を本題のベイジアン·ネットワークに戻します。これはベイズ理論で算出した確率を元に因果関係のつながりをネットワークとして視覚的に表現したものです。(図6参照)それまでの古典的な人工知能がルールベース、つまり決定論的であり柔軟性に乏しいことを考えると、確率的(非決定論)にすることで、例外への対応がとりやすくなりました但し、同時に欠点もありました。
人工知能自らが情報処理をより加速させていくために

ニューラルネットワーク昨今

ベイズ理論は徐々に初期確率を補正して精緻化するという学習方式をとるため、大量な学習用データと、それを処理する強力なコンピュータパワーが必要だったのです。
幸運なことに、時代がパール及びその流派の研究者に救いの手を差し伸べてくれました。1990年代に入ると個人向けコンピュータ(PC)が普及し、そしてインターネットとその相互アクセスを簡易にしたワールド·ワイド·ウェブWorldWideWebが登場したのです。このおかげで、ベイズ理論を実践するための大量データが容易に入手出来るようになりました。特に積極的な動きを見せたのはGoogleです。
Googleは、1998年にスタンフォード大学博士課程に在籍していたラリールゲイ·プリン(1973)によって創業されました。

 

ロボットのような悲劇を生むわけです

今はその業態をモデルチェンジしようという過渡期ですが、創業時代は検索エンジン一本でした。そのために、コンピュータエンジニアだけではなく確率·統計など数学のエキスパートも大量に雇用して、アルゴリズムの開発とコンピュータの性能を徹底的に強化したのです。コンピュータについては今でも増強していますが、2015年時点で少なくとも100万台以上のサーバ(各PCからアクセスされる側のコンピュータ)を並列処理で運用しています。
AI人工知能このようなボトムアップな考え方人工知能ユニットの自己組織的な群れそしてGoogleに入社した統計の専門家たちは、水を得た魚のごとくベイジアン.ネットワークを色々な領域に適用しました。
·ペイジ(1973)とセメディアにも騒がれた分かりやすい例は機械翻訳です。ここでベイジアン·ネットワークの理解のために、簡単な翻訳例を紹介します。
例えば、Ihaveapen.という文章があったとします。我々は普通に私I)が1つの(a)ペン(Penを持っている(have)と、文法を踏まえて意味を理解します。
これは従来の機械翻訳アプローチですところがベイジアン·ネットワークは、文法を無視します。

    1. 人工知能が何者なのかが少しだけ見えてくるような気がします
    1. ニューラルネットワークについて
    1. ディープラーニングの出現によって

AIがやってくれるこの流れはある意味当然の結果とも言えます

そこでは、ある単語またはフレーズが、別の言語のどの単語·フレーズと相関性があるのかを統計的に解析し、候補の中で最も高確率である「私はペンを持っている」を翻訳文として返します知識表現で登場したシャンクの試みでさえ、文法に重きを置かなかったとはいえ、スクリプトという文章の集まりで意味を理解しようとしていました。あえて乱暴に書きますが、ベイジアン·ネットワークにとっては、文法も意味もどうでもよく、相関関係だけが重要な要素です。当然ながらチョムスキー含む言語学者からは批判が浴びせられました。皆さんの中でも、そんなやり方が本当に機械翻訳として通用するの?
AIでは不足ですが多くの企業が日本が世界に追いつくために
AIなどが理解できる構造化データのことです

人工知能に何ができるか

と思う方もいるかもしれませんそもそも機械翻訳の歴史は1940年に始まり、戦後米ソ冷戦時代の文書翻訳要員不足から需要が増加したのですが、当時は満足のいく成果を出せませんでした。とはいえ、歴史はそれなりに重ねてきた分野です。その道で何十年もキャリアを重ねた専門家を中心に、数年コンテストが開かれています。
創業間もないGoogleは2005年に初参戦しました。