- この記事はdigitalhumans.comから機械翻訳され、一部変更されました。
機械学習はどこで終わり、人工知能はどこから始まるのでしょうか？UneeQのシニアコンピュータビジョンおよびマシンラーニング開発者であるDr. Amir HajiRassoulihaに、AIとMLの基本的な違いを解説してもらいました。
AI対マシンラーニング。あなたはこの対立的な響きの見出しを知っているかもしれません。しかし、実際のところ、AIとマシンラーニングは、その類似性によって、その違いと同じくらいよく理解されているのかもしれません。
両方ともコンピュータサイエンスの領域です。両方とも、機械が人間の知能と反応を模倣するのを助けようとします。両方とも、タスクを完了するために高度なアルゴリズムに頼っています。そして、両方とも、私たちが日々ビジネスを行い、機械と対話する方法を変えています。
では、彼らがどこで逸脱するのでしょうか？
AIとマシンラーニングの違い
AIとマシンラーニングの間に大きなオーバーラップがあるため、これら2つの用語はしばしば同じ意味で使用されます。それは理解可能な誤解ですが、修正する価値があります。
AI、つまり人工知能は、人間の知能を模倣できるコンピュータを使用するという、包括的な概念です。環境や入力に基づいて決定を下す、問題を解決する、行動を起こすように機械をプログラムすると、あなたはAIを手に入れます。スタンダードなチャットボットは良い例です。これらはよく、定義済みのルールを使用して顧客の質問を認識し、応答するように設計されています。原始的なチャットボットでさえ、ある種のAIと定義できるかもしれません。
マシンラーニングは少し複雑です。これは、明示的なプログラミングがなくても自分で学習できるマシンをカバーするAIのサブセットです。これらは新しいデータに基づいて自分の応答を常に改善し、適応します。 このような行動は、最高水準のAIチャットボットと仮想助手でのみ観察することができます。あなたが話すかタイプすると、彼らはただ聞くだけでなく反応します。彼らは答えを習得,しています、記憶ではありません。
AIと機械学習の違いを視覚化する方法として、ロシアの入れ子人形をイメージすることができます。AIが大きな入れ子人形で、機械学習はそれに完全に収まるような小さな人形です。つまり、機械学習全てがAIである一方、全てのAIが機械学習であるわけではありません。
この例えをさらに掘り下げると、深層学習は機械学習の中に収まるさらに小さな人形となるでしょう。なぜなら、深層学習はこの分野の一部と見なされるからです。しかし、それは別の話題です！
AIと機械学習の歴史
スマートな機械のアイデアは現代の現象ではありません。ギリシャ神話では、鍛冶の神ヘパイストスがクレタ島を海賊や侵略者から守る、巨大なブロンズのオートマトン、タロスを作り出したとされています。
これは一例にすぎませんが、宗教や科学フィクション、また巧妙なデマであろうと、我々の文化的な知的機械への関心は、我々の科学的な関心や「人工知能」という言葉が誕生したよりもはるかに古い。
AIの技術進歩の転換点を見つけるために、1950年代に始まりましょう。
英国の数学者で伝説的な戦時の暗号解読者だったアラン・チューリングは、1950年に重要な論文「計算機器と知性」を書きました。 6年後、ダートマス夏の人工知能研究プロジェクトが開催されました。このワークショップには、数学とコンピュータサイエンスの世界で最も優れた頭脳の一部が参加しました。これは広くAIが分野として誕生したとされる出来事です。
1950年代はまた、マシンラーニングに関する初期の先駆的研究が始まった時期でもありました。1960年代には、新たな情報に基づいて予測を更新する可能性のあるコンピュータが導入され、事態は加速しました。理論自体は確立していましたが、その技術実現にはまだ長い時間が必要でした。
この分野における着実な進歩は、数十年にわたって続きました。しかし、2010年代には、技術的進歩、理論的な革新、消費者の需要が一体となって、AIとマシンラーニングが花開く状況が整いました。
AIとマシンラーニングがチャットボットとバーチャルアシスタントに及ぼす影響
AIとマシンラーニングがチャットボットやバーチャルアシスタントにどのように利用されているかは、すでにほんの少し触れていますが、もう少し詳しく掘り下げてみましょう。現在、すべての顧客対応の中で、2025年までにはおよそ75%がチャットボットを介したものになると予想されていますし、ビジネスの70%が音声アシスタントを革命的だと考えています。
なぜそう考えられるのかは明らかです。これらのテクノロジーは即時の回答と情報を提供することができ、24/7利用可能で、カスタマーサービスチームの負担を軽減することができます。 これらはたったの基本的な利点にすぎず、AIチャットボットやバーチャルアシスタントへと機械学習が可能にするものははるかに多いのです。
例えば、ネイチャル言語処理(NLP)やネイチャル言語理解(NLU)という機械学習の一部分によって、コンピュータは人間の言語（ほとんどは英語）を分析し、理解し、生成することができます。アレクサやSiri、Googleアシスタントなどのいろいろなチャットボットや音声アシスタントはこの作業を行うほど賢いのです。
会話AIはさらに一歩進み、人間のような会話をほぼ持つことができるマシンが登場しています。アレクサは私たちが連続した質問に答えるときのように、一つの会話から次の会話へと文脈を持続させることを学んでいます。しかし、機械学習はまだ幼児期にあり、チャットボットやバーチャルアシスタントが会話AIやそれを超えた真の潜在能力に到達することはまだです。それはどうなるのでしょうか？
デジタルヒューマンに対するAIと機械学習の利点
チャットボットの主な欠点の一つは、消費者がそれらが提供できる顧客体験（CX）に対する期待が低いことです。ユーザーの43％しか、これらのサービスを利用しながら良いCXを受け取るとは思っていませんし、3分の1以下の人々しか彼らを友好的且つ親しみやすいものとは感じていません。
一方、バーチャルアシスタントは人間よりも簡単で、便利で、日常的な簡単なタスクをすばやくこなすことができるとされています。しかし、資金管理のようなより重大な問題については、人々は信頼できるもの – つまり他の人間 – を選ぶ傾向があります。
デジタルヒューマンはこれらのギャップを埋める助けとなり、AIと機械学習が重要な役割を果たすかもしれません。 UneeQの研究によれば、デジタルヒューマンというインタラクションはユーザーエクスペリエンスを大きく向上させることができます。はい、デジタルヒューマンは、チャットボットや音声アシスタントと同様に問題を解決し、質問に答えますが、彼らは微笑みと個性を持ち、関係を築き、信頼を深め、ブランド体験により人間らしい触れ合いを加えます。
UneeQの認知アーキテクト、ピアースは、人々がAIに顔がある時に信頼する理由について深く執筆しています。詳しく調べてみたい方はぜひご覧ください。だからと言って、マシン学習の出現は、人々とより洗練された長期的な関係を築く手段として、インターフェイスに同様の洗練さを与える必要性を強調しているだけです。
そして、人間の顔を通じてコミュニケートする方法こそが、最良で最も時間を経て試された方法です。
