AIの発展の歴史：シンボリズムからAI2.0へ

作者：Dylan Wang

報告要点：

追本溯源：AIの発展は波のように前進しています。1960年代のシンボリズム、コネクショニズム以来、AI技術は常に突破を続けています。理論研究から実践応用へ、単一分野の進展からさまざまな応用方向の全面的な爆発、そして現在のAI2.0時代の到来に至るまで、AIは現代生活に深く浸透しています。AIの発展は多層的かつ多波的な特性を持ち、2023年には大規模モデルの噴出を経験し、次のステップとして、AIエージェントや自己監視学習が可能な超大規模モデルが未来の成長を牽引するでしょう。

乗風破浪：AIは2.0時代に大きく踏み出しました。AI1.0はCNN（畳み込みニューラルネットワーク）モデルを中心に、コンピュータビジョンや自然言語理解技術などの分野で人間を超えました。しかし、AI 1.0の限界も非常に明白で、データ収集のコストが高すぎることや、モデル間の縦の効用が低いことなどが挙げられます。AI 2.0は、AI 1.0の単一分野、多モデルの制約を克服し、AIの発展に新しい時代を開きました。同時に、AI 2.0時代の最初の現象的な応用は生成的AIであり、生成的AIは既存のデータに基づいて要約し、新しいコンテンツを自動生成することができます。その破壊的な潜在能力は、世界経済に約7兆ドルの価値をもたらすことが期待されています。

一、AIの過去と現在

AIとは、機械に人間と同等の知恵を持たせる技術を指します。AIの学問は1950年にすでに誕生しましたが、2022年末にChat GPT 3.5が発表されるまで、AIが国民全体に普及する熱潮は本格的には起こりませんでした。わずか2ヶ月で、ユーザー数は1億を超えました。今回のAIの爆発的なトレンドは、本質的にはこのAIがもはや狭い専用分野の人工知能に限らず、機械がついにオールラウンダーとなり、汎用人工知能へと進化し、人間のようにさまざまな分野で無差別に学習し、人間と相互作用できるようになったからです。AIはここから人々の生活生産に全面的に介入し始めました。

人工知能の発展過程において、異なる時代や学問的背景を持つ人々は、知能の理解や実現方法について異なる見解を持ち、それにより異なる学派が生まれました。影響の大きい学派やその代表的な方法は図2に示されています。

人工知能（AI）は誕生以来、未知の道を探求し、曲折を経て、私たちはこの発展の過程を大きく5つの段階に分けることができます：

起步発展期：1943年---20世紀60年代。人工知能の概念が提唱された後、シンボリズム、コネクショニズム（神経ネットワーク）が発展し、機械定理証明、チェスプログラム、人間と機械の対話など、注目すべき研究成果を次々と達成し、人工知能の発展の最初の高潮を迎えました。

反思発展期：20世紀70年代。人工知能の発展初期の突破的な進展は、人々の人工知能に対する期待を大いに高めましたが、計算力や理論の不足により、非現実的な目標が達成できず、人工知能の発展は低迷しました。

応用発展期：20世紀80年代。人工知能は応用発展の新たな高潮に入ります。専門家システムは人間の専門家の知識と経験を模倣し、特定の分野の問題を解決し、人工知能が理論研究から実際の応用へ、一般的な推論戦略の探求から専門知識の運用へと大きな突破を実現しました。また、機械学習（特に神経ネットワーク）は異なる学習戦略やさまざまな学習方法を探求し、多くの実際の応用の中で徐々に復活し始めました。

平稳発展期：20世紀90年代---2010年。インターネット技術の急速な発展は、人工知能の革新研究を加速し、人工知能技術がさらに実用化されることを促進し、人工知能関連の各分野は大きな進展を遂げました。2000年代初頭、専門家システムのプロジェクトはあまりにも多くの明示的なルールをコーディングする必要があり、効率が低下しコストが増加したため、人工知能研究の重心は知識ベースのシステムから機械学習の方向にシフトしました。

蓬勃発展期：2011年から現在。ビッグデータ、クラウドコンピューティング、インターネット、IoTなどの情報技術の発展により、普遍的な感知データやグラフィックプロセッサなどの計算プラットフォームが、深層神経ネットワークを代表とする人工知能技術の急速な発展を促進し、科学と応用の間の技術的なギャップを大きく超えました。画像分類、音声認識、知識問答、人間と機械の対戦、自動運転などの人工知能技術は重大な技術的突破を実現し、爆発的な成長の新たな高潮を迎えました。

現在、私たちはAI革命の第二波の真っ只中にいます。過去1年、AIはすでに一度の熱狂を経ており、市場では現在のAIのすべての能力が十分に引き出されていると考えられ、新たな注目が欠けています。しかし、AIの発展は多層的かつ多波的な特性を持っています。基礎大モデルの能力に基づいて分類すると、私たちは現在、人工知能の第二段階にあり、今後は多モーダル、AIエージェントからハイブリッドリアリティ、さらには具身知能など、多くの突破が期待されています。AIが各業界を席巻する重大な変革に直面して、私たちは短期的なことに過度に注目すべきではなく、産業の長期的な進展と応用の可能性に重点を置くべきです。

二、AI 2.0時代の到来

1、AI 1.0からAI 2.0へ

AI 1.0はCNN（畳み込みニューラルネットワーク）モデルを中心としたコンピュータビジョン技術で、AIの知覚知能時代の幕開けを告げ、機械はコンピュータビジョンや自然言語理解技術などの分野で人間を超え、顕著な価値を創出しました。しかし、AI 1.0も限界に直面しました。ほとんどの業界がAIを利用しようとする際、大規模なコストをかけてデータを収集し、ラベリングする必要があり、これらのデータセットや多くのモデルはそれぞれ「孤島」となり、縦の効用が欠如していました。これが、多くのAI 1.0企業が巨額の研究開発費を投入しても長年にわたり赤字を出している理由です。さらに、AI 1.0はインターネット時代のWindowsやモバイルインターネット時代のAndroidのようなスケール能力を欠いており、アプリケーション開発のハードルを下げ、完全なエコシステムを構築することができませんでした。数年経っても、AI 1.0は商業的成功を実現していません。

現在、AI 2.0の大きな飛躍は、前者の単一分野、多モデルの制約を克服し、人工的なラベリングを必要としない超大規模データを用いて、クロスドメインの知識を持つ基礎大モデル（Foundation Model）を訓練し、微調整などの方法でさまざまなタスクに適応し実行できることにあります。これにより、プラットフォーム化の効果を実現し、商業化の応用革新の機会を探求することが真に可能になります。

AI 2.0には3つの顕著な特徴があります：

一つは、持っている超大規模データに対して、人工的なラベリングを必要とせず、自主監督学習を行うことです。

二つ目は、基礎モデル（Foundation Model）の規模が非常に大きく、数千枚のGPUを必要とすることです。

三つ目は、訓練された基礎モデルがクロスドメインの知識を持ち、その後、微調整を通じてコストを削減し、異なる分野のタスクに適応することができることです。

これらの特徴を持つAI 2.0時代は、まさに1.0時代の補完と改善です。

AI 2.0の発展パラダイムは反復式であり、「人間を補助する」から「全自動化」までの3つの段階を経ることになります：

第一段階は人間とAIの協調です。生産性ツールが最初にアップグレードされ、すべてのユーザーインターフェースが再設計されます。文書ツールは逐語的な入力を必要とせず、ユーザーがAIに必要な記事のスタイルを伝えるだけで済みます。描画ソフトウェアはユーザーが手を動かす必要がなく、テキストの説明だけで実現できます。この段階では、人間は依然としてAIと協力し、AIが創作したコンテンツを選別し修正して、誤りや災害を防ぎます。

第二段階は部分的自動化です。許容度の高いアプリケーションや業界ではAIの自動化が実現します。例えば、広告投放、電子商取引、検索エンジン、ゲーム制作などです。

第三段階は完全自動化です。AIは完全に自動化され、どこでも利用できるようになり、ミスが許されない分野で突破を果たし、AI医師、AI教師などの応用が可能性を持ちます。

2、AI 2.0の現象的な応用：生成的AI

AI 2.0時代の最初の現象的な応用は生成的AI（Generative AI）であり、現在流行しているAIGC（人工知能生成コンテンツ）です。生成的AIは、ラベリングなしで自主監督学習を達成でき、AIは「補助」から徐々に「代替」へと移行し、すべてのユーザーインターフェースが再設計されます。

2010年以前、AIは意思決定型AIが主導しており、意思決定型AIはデータ内の条件付き確率分布を学習します。その基盤となる論理は、AIがサンプルの特徴情報を抽出し、データベース内の特徴データと照合し、最終的にサンプルを分類することに重点を置いていました。2011年以降、深層機械学習アルゴリズムや大規模な事前訓練モデルの登場に伴い、AIは生成的AI時代に突入しました。生成的AIの特徴は、既存のデータに基づいて要約し、新しいコンテンツを自動生成することができ、意思決定型AIの意思決定や知覚能力の基盤の上に、学習、実行、社会的協力などの能力を持つようになりました。現在、人工知能は生成（Generation）と汎用（General）という2つの主軸で継続的に発展しています。

生成的AIの利点：

AIに次のコンテンツを推測させるための訓練

ラベリングデータは不要です。

生成的AIの破壊的な潜在能力はますます多くの企業に認識されており、企業は生成的AIとは何かを問いただすのではなく、生成的AIへの投資が具体的なビジネス価値をもたらすことを理解したいと考えています。Gartnerは、2026年までに80％以上の企業が生成的AIのAPIまたはモデルを使用するか、生成的AIをサポートするアプリケーションを生産環境に展開すると予測していますが、2023年初頭にはこの割合は5％未満でした。

技術革新はシーンの拡大を促進し、生成的AIは熱烈な議論から応用の実現へと移行しています。その価値創造の潜在能力は驚異的であり、マッキンゼーは生成的AIが世界経済に約7兆ドルの価値をもたらし、AIの全体的な経済効果を約50％向上させると予測しています。

3、AI 2.0が各業界に力を与える

イノベーション工場によれば、未来のAI 2.0は主に3つの方向に期待されています：AI 2.0スマートアプリケーション；AI 2.0プラットフォーム；AI 2.0インフラストラクチャ。 第一はスマートアプリケーションです。AI 2.0アプリケーションは、各業界の垂直AIアシスタントやメタバースアプリケーションなど、これまで実現できなかったアプリケーションが登場する花盛りの段階を迎えます。新しいアプリケーションに加えて、現在存在する多くのアプリケーションも再設計される可能性があります。例えば、検索エンジン、コンテンツ創造、広告マーケティングなど、AI 2.0はユーザー体験を革新し、新しいビジネスモデルを創出し、非常に大きな想像の余地を含んでいます。第二は商業化プラットフォームです。AI 2.0プラットフォームは、新世代のAI 2.0アプリケーションの研究開発と商業化を加速し、戦略的な高度を持つAI 2.0プラットフォーム企業がAI 2.0のエコサイクルと健全な競争を推進します。第三はインフラストラクチャです。アプリケーションやプラットフォームに加えて、AIモデルの運用、管理、訓練をサポートするインフラストラクチャも重点的に注目される分野です。これには、AI 2.0の巨大モデル訓練を支えるAIチップ企業や、AI訓練を加速し、コストを削減し、簡素化するAI 2.0インフラストラクチャの革新技術企業が含まれます。

具体的には、AI 2.0は6つの分野で商業的潜在能力を加速的に引き出し、生産性向上のアプリケーションの噴出期に入ります：

AI 2.0+電子商取引/広告：AI 2.0時代、電子商取引と広告はよりAIビッグデータ駆動となり、リアルタイムテストと動的調整が可能になり、数分前の社会的ホットトピックを広告内容に組み込むことができ、転換率を最大限に高めます。異なるオーディエンスに合わせたコンテンツをリアルタイムで生成し、真に「千人千面」のマーケティングを実現します。

AI 2.0+映画/エンターテイメント：AIは大衆の好みに基づいてテレビや短編動画のコンテンツをカスタマイズし、創作内容がより大衆の目を引くようにし、より良い視聴率と評判を得ることができます。AI+多モーダルの創作は次世代のエンターテイメントの主流となり、AI支援の創作は新しい創造産業のエコバリューチェーンを構築することになります。

AI 2.0+検索エンジン：未来の検索エンジンは従来の検索モデルから「質問-回答」モデルに変わります。次世代の対話型検索エンジンは、世界のテクノロジー大手が競い合う「AI 2.0の聖杯」となり、現在の検索広告ビジネスモデルも変革を迎えます。しかし、人々は検索結果に「正確さ」を期待しているため、現在の技術では質問応答型検索をうまく実現するためには多くの進歩が必要です。

AI 2.0+メタバース/ゲーム：AI 2.0はゲームやメタバースなどの仮想世界のコンテンツ生成コストを大幅に削減します。AIはリアルタイムチャットのパートナーとなり、インタラクションの楽しさを増し、エンターテイメント性を高め、ユーザーの参加を促し、ゲームの時間を最大化します。また、AIの多モーダルな想像力によるコンテンツ生成は、メタバースの中核を成すことになります。

AI 2.0+金融：より迅速で、より正確で、よりスマートなコンテンツ生成方法は、経済ニュースや市場調査分析のタイムリーさと生産量を大幅に向上させます。しかし、金融コンテンツの厳粛さを考慮すると、事実確認と検証を人間が行うことは依然として不可欠です。AIは金融情報の生成や金融商品の立ち上げを自動化し、金融機関の情報流通と取引量の効率と質を向上させることができます。

AI 2.0+医療：AIは患者の全体的な健康状態を迅速かつ正確に分析し、すべてのデータ、生物的特徴、健康診断、病歴、個人モデルの予測を取り入れ、医師の強力な助けとなり、科学的診断と治療の決定を大幅に加速します。AIを活用することで、よりターゲットを絞った薬物開発が可能となり、個別化医療の分診と治療計画を実現し、「個別化医学」の到来を促進します。