和から株式会社主催「AI人工知能入門-G検定を解きながら学ぶ特別編-」の講義の抜粋です。
※開催は終了しております。

動画でもご覧いただけます。

・人工知能に興味のある方は、無料の「AI(人工知能)超入門」へご参加ください。
・G検定受験を考えている方はまずは無料カウンセリングをご活用ください。

「190」という数字の正体

「190」というこの数字、いったい何を示しているのでしょうか。実はこれ、私が昨年受験した「マージ検定」に関連する数字なのです。

この「マージ検定」は少しユニークな試験で、自宅にいながら受験できるスタイルを採用しています。インターネットに接続されたコンピューターさえあれば場所を選ばずに受験が可能で、私の場合、ちょうど週末にセミナーの予定が入っていたため、合間の時間を使い、喫茶店で受験することにしました。

調べながら受ける試験スタイル

さて冒頭の「190」という数字ですが、これは試験中に私がインターネットで検索を行った回数を表しています。

実はこの検定、調べながら解くことが前提となっている珍しい形式の試験で、知識を暗記するのではなく、必要な情報に素早くアクセスし、理解して活用する力が問われるのです。

この試験を通じて人工知能（AI）の基本的な構造や発展について体系的に学ぶことができました。

人工知能の4つの発展段階

特に印象に残っているのは、AIの発展段階についての学びです。

現在、AIは一般的にレベル1からレベル4までの4段階に分類されることが多く、その中でも最も基礎的な段階が「フィードバック制御」と呼ばれる仕組みです。かつてはこれが、AIの黎明期を支える重要な技術とされていました。

たとえばエアコンの仕組みを思い浮かべてみてください。エアコンは、室内の温度を感知し、設定温度と比較して、必要に応じて暖房または冷房を稼働させます。

このように現在の状態を計測し、その結果に応じて動作を調整するのが「フィードバック制御」の典型的な例です。

人間の視覚と画像認識の関係

また、視覚情報の処理についても、非常に興味深い内容がありました。

人間の視覚は、まず大まかな形を捉え、次に細部を確認するというプロセスを経ています。この仕組みは、現代の画像認識技術にも応用されており、画像処理には主に2つの段階があります。

まず画像の中から特定の物体を検出する「物体検出（オブジェクトディテクション）」が行われ、その後、その物体が何であるかを識別する「画像認識」が続きます。

こうした技術の裏側を学ぶことで、AIがどのようにして画像を理解しているのか、より深く知ることができました。

深層学習（Deep Learning）とは

「Deep Learning（深層学習）」という言葉も、最近では頻繁に耳にするようになりました。これは、AIに大量のデータを与え、その中からパターンを学習させることで、より精度の高い判断や予測を可能にする技術です。

興味深いのは、学習に用いるデータやその重み付けが、人によって異なるという点です。たとえば、服を選ぶ際に「色」や「価格」など、何を重視するかは人それぞれです。そのため、学習モデルもその目的や設計に応じて異なる結果を導き出します。こうした調整は、モデルの「パラメーター」を設定するプロセスであり、Deep Learningの核心ともいえる部分です。

注目の技術：敵対的生成ネットワーク（GAN）

さらに注目すべきは、「敵対的生成ネットワーク（GAN：Generative Adversarial Network）」です。これは今後3〜5年の間に、AIの分野でますます重要性を増すと予測されています。

GANは、AIがただ物事を認識するだけでなく、新しい画像やデータを“生成”する技術です。つまり、AIが自らコンテンツを作り出す段階に進みつつあるということです。これまで「認識」が主な役割だったAIが、「創造」する存在へと進化しているのです。

AIはまだ万能ではない

もっとも、AIはまだすべての分野で広く使われているわけではありません。現在のところ、ゲームや特定の用途に限定されているケースも多いのが実情です。

しかし、YouTubeのレコメンド機能やAmazonの商品推薦システムなどには、Deep Learningが活用されている可能性が高いとされています。私たちの身近なところでも、すでにAIが静かに機能しているのです。

学習済みモデルで広がる可能性

最後に、「学習済みモデル」という概念についても触れておきましょう。

これは、あらかじめ大量のデータを用いて学習を完了しているモデルのことで、新たに一から学習させる必要がないという利点があります。

このようなモデルを活用することで、限られたデータでも高精度な予測や判定が可能になり、実務での応用範囲が大きく広がります。私自身も、この仕組みを活かして、少ないデータから高い成果を得る方法を学ぶことができました。

実践を通じて得たAI理解

こうしてマージ検定を通じて得た学びは、単なる知識にとどまらず、AIという複雑な技術をより身近に感じさせてくれる貴重な体験となりました。今後もこうした実践的な学びを積み重ねていきたいと思っています。