未来がどのように見えるかを知るには、私たちの歴史を研究することがしばしば役に立ちます。 これが、この記事で行うことです。 コンピュータの歴史をさかのぼり、 人工知能 将来に何が期待できるかを確認します。
私たちはどうやってここへ来ましたか？
世界がどれほど急速に変化したかは、ごく最近のコンピューター技術でさえ、今日の私たちにとってどれほど古く感じられるかによって明らかです。 90 年代の携帯電話は、小さな緑色のディスプレイを備えた大きなレンガでした。 その XNUMX 年前、コンピューターの主なストレージはパンチ カードでした。
短期間でコンピューターは急速に進化し、私たちの日常生活に不可欠な要素となったため、この技術がいかに新しいものであるかを忘れがちです。 タイムラインが示すように、最初のデジタル コンピューターが発明されたのは約 XNUMX 年前のことです。
この歴史の初期の頃から、一部のコンピューター科学者は、マシンを人間と同じくらいインテリジェントにするために努力してきました。 次のタイムラインでは、注目すべき人工知能システムのいくつかを示し、それらの機能について説明します。
最初に言及するシステムはテセウスです。 それは 1950 年にクロード シャノンによって構築され、迷宮から抜け出す方法を見つけ、その進路を覚えることができる遠隔操作のマウスでした。1 XNUMX 年の間に、人工知能の能力は長い道のりを歩んできました。
AI システムの言語および画像認識能力は、人間の能力に匹敵するようになりました
AI システムの言語および画像認識機能は、非常に急速に発展しています。
このグラフは、過去 XNUMX 年間の AI 開発を拡大することで、私たちがどのようにしてここにたどり着いたかを示しています。 プロットされたデータは、手書き認識から言語理解まで、XNUMX つの異なる分野で人間と AI のパフォーマンスが評価された多くのテストに由来します。
100 つのドメインのそれぞれにおいて、AI システムの初期パフォーマンスは -XNUMX に設定され、これらのテストにおける人間のパフォーマンスはゼロに設定されたベースラインとして使用されます。 これは、モデルのパフォーマンスがゼロラインを超えるときは、AI システムが関連するテストで同じテストで人間が得点したよりも多くの点数を獲得したときであることを意味します。2
わずか 10 年前までは、人間レベルで言語や画像を確実に認識できる機械はありませんでした。 しかし、グラフが示すように、AI システムは着実に能力を高め、現在では人間を打ち負かしています。 テスト これらすべてのドメインで。
これらの標準化されたテスト以外では、これらの AI のパフォーマンスはまちまちです。 いくつかの実際のケースでは、これらのシステムは依然として人間よりもはるかに悪いパフォーマンスを示しています。 一方、そのような AI システムの一部の実装はすでに非常に安価であるため、ポケットに入れた電話で利用できます。画像認識は写真を分類し、音声認識は口述したものを書き起こします。
画像認識から画像生成まで
前のグラフは、人工知能の知覚能力の急速な進歩を示しています。 AI システムは、画像を生成する能力も大幅に向上しています。
この一連の XNUMX つの画像は、過去 XNUMX 年間の発展を示しています。 これらの画像には誰も存在しません。 それらはすべて AI システムによって生成されました。
このシリーズは、左上の 2014 年の画像から始まります。この画像は、白黒のピクセル化された顔のプリミティブな画像です。 XNUMX 行目の最初の画像が示すように、わずか XNUMX 年後、AI システムは写真と区別するのが難しい画像を生成できるようになりました。
近年、AI システムの能力はさらに印象的なものになっています。 初期のシステムは顔の画像の生成に重点を置いていましたが、これらの新しいモデルでは、ほとんどすべてのプロンプトに基づいてテキストから画像への生成に機能が拡張されました。 右下の画像は、最も難しいプロンプトでさえ、 「ポメラニアンが王冠をかぶって王の玉座に座っています。 玉座の横には虎兵が二人立っている」—数秒で写真のようにリアルな画像に変わります。4
言語の認識と生成は急速に発展しています
画像生成 AI の進歩と同様に、人間の言語を解析して応答するシステムの急速な発展も目覚ましいものです。
画像に示されているのは、PaLM と呼ばれる Google が開発した AI システムの例です。 これらの XNUMX つの例では、システムは XNUMX つの異なるジョークを説明するよう求められました。 右下の説明は特に注目に値すると思います。AI は、特に聞き手を混乱させることを意図したアンチ ジョークを説明しています。
言語を生成する AI は、ここ数年でさまざまな形で私たちの世界に入り込んできました。 電子メールはオートコンプリートされ、大量のオンライン テキストは翻訳され、ビデオは自動的に文字起こしされ、学童は言語モデルを使用して宿題を行い、レポートは自動生成され、メディア アウトレットになります。 パブリッシュ AIが生成するジャーナリズム。
AI システムはまだ、長くまとまりのあるテキストを生成できません。 将来的には、最近の開発が減速するか、または終了するかどうか、またはいつの日か AI によって書かれたベストセラー小説を読むようになるかどうかがわかります。
現在の場所: AI の登場
これらの AI 機能の急速な進歩により、さまざまな新しいドメインでマシンを使用できるようになりました。
フライトを予約するとき、それは多くの場合、もはや人間ではなく、人工知能です。 決める あなたが支払うもの。 空港に着いたらAIシステムで モニター 空港で何をするか。 飛行機に乗ると、AI システムがパイロットを支援します。 飛行 あなたの目的地へ。
AI システムは、 ローンを組む持っている 適格 福祉のために、または得る 雇われた 特定の仕事のために。 誰が取得するかを決定するのにますます役立ちます 刑務所から釈放された.
複数の政府が購入している 自律兵器システム AIシステムを使っているものもある 監視と弾圧.
AIシステム 助けます 使用するソフトウェアをプログラムするため 翻訳する あなたが読んだテキスト。 仮想アシスタント音声認識によって運用される は、過去 XNUMX 年間で多くの家庭に入りました。 今 自己駆動車 現実になりつつあります。
ここ数年、AI システム 助けました 〜へ make 進捗 科学で最も難しい問題のいくつかについて。
呼び出された大型 AI レコメンダーシステム ソーシャル メディアで何を見るか、オンライン ショップでどの商品を表示するか、YouTube で何をおすすめするかを決定します。 彼らはますます私たちが消費するメディアを推奨するだけでなく、画像やテキストを生成する能力に基づいて、 作成 私たちが消費するメディア。
人工知能はもはや未来のテクノロジーではありません。 AI はここにあり、現実の多くはつい最近まで SF のように見えていたでしょう。 これはすでに私たち全員に影響を与えているテクノロジーであり、上記のリストにはそのほんの一部が含まれています 多くのアプリケーション.
リストされた幅広いアプリケーションは、これが非常に一般的なテクノロジーであり、人々がいくつかの非常に良い目的のために使用できることを明らかにしています. このような「二重使用技術」については、私たち全員が何が起こっているのか、そしてその技術をどのように使用したいのかを理解することが重要です.
わずか XNUMX 年前、世界は大きく異なっていました。 将来、AI テクノロジーはどのような可能性を秘めているのでしょうか。
次は何ですか？
今検討した AI システムは、数十年にわたる AI 技術の着実な進歩の結果です。
下の大きなグラフは、過去 XNUMX 年間の歴史を大局的に示しています。 これは、Jaime Sevilla と同僚によって作成されたデータセットに基づいています。7
このグラフの各小さな円は、XNUMX つの AI システムを表しています。 横軸の円の位置は AI システムが構築された時期を示し、縦軸の位置は特定の AI システムのトレーニングに使用された計算量を示します。
トレーニング計算は次の単位で測定されます 浮動小数点演算、または略してFLOP。 XNUMX つの FLOP は、XNUMX つの XNUMX 進数の XNUMX つの加算、減算、乗算、または除算に相当します。
機械学習に依存するすべての AI システムはトレーニングする必要があります。これらのシステムでは、トレーニング計算は、システムの機能を促進する XNUMX つの基本的な要素の XNUMX つです。 他の XNUMX つの要因は、アルゴリズムと 使用される入力データ トレーニングのために。 このビジュアライゼーションは、トレーニング計算が増加するにつれて、AI システムがますます強力になっていることを示しています。
時系列は、電子コンピューターの始まりである 1940 年代にさかのぼります。 最初に示された AI システムは、冒頭で述べた 1950 年のクロード シャノンのロボット マウスである「テセウス」です。 タイムラインの反対側には、DALL-E や PaLM などの AI システムがあり、写真のようにリアルな画像を生成したり、先ほど説明した言語を解釈および生成したりできます。 これらは、これまでで最大量のトレーニング計算を使用した AI システムの XNUMX つです。
トレーニング計算は対数スケールでプロットされるため、各グリッド線から次のグリッド線まで 100 倍の増加が示されます。 この長期的な視点は、継続的な増加を示しています。 最初の XNUMX 年間、トレーニングの計算量は次のように増加しました。 ムーアの法則、約 20 か月ごとに 2010 倍になります。 6 年頃から、この指数関数的な成長はさらに加速し、約 XNUMX か月で倍増しました。 それは驚くべき成長速度です。8
倍加時間が大幅に増加しました。 PaLM のトレーニング計算は 2.5 億ペタフロップで、わずか 5 年前に最大のトレーニング計算を行った AI である AlexNet の 10 万倍以上です。9
スケールアップはすでに指数関数的であり、過去 XNUMX 年間で大幅に加速しています。 AI の未来のために、この歴史的な発展から何を学ぶことができるでしょうか?
AIの未来を予測するための長期的な傾向の研究
AI 研究者は、これらの長期的な傾向を研究して、将来何が可能になるかを確認します。11
おそらく、この種の研究で最も広く議論されたのは、AI 研究者の Ajeya Cotra によって発表されたものです。 彼女はトレーニング計算の増加を研究し、どの時点で AI システムをトレーニングするための計算が人間の脳の計算に匹敵するかを尋ねました。 この時点で、AI システムは人間の脳の能力に匹敵するという考えです。 彼女の最新の更新で、Cotra は、そのような「変革的 AI」が 50 年までに開発される可能性が 2040% であると推定しました。12
In 関連記事、革新的な AI が世界にとって何を意味するかについて説明します。 要するに、そのような AI システムは、世界を「質的に異なる未来」に導くのに十分なほど強力であるという考えです。 それは、人類の歴史における以前の XNUMX つの主要な変革である農業革命と産業革命の規模での変化につながる可能性があります。 それは確かに、私たちの生涯における最も重要な地球規模の変化を表しています。
Cotra の研究は、この文脈で特に関連性があります。彼女は、私たちが今研究した訓練計算の歴史的な長期傾向に基づいて予測を行ったからです。 しかし、異なる考慮事項に依存する他の予測者が、ほぼ同様の結論に達していることは注目に値します。 私が示すように AIタイムラインに関する私の記事、多くのAI専門家は、人間レベルの人工知能が今後数十年以内に開発される可能性が現実にあると考えており、一部の人はそれがもっと早く存在すると信じています.
必要な公共の会話を可能にする公共リソースの構築
コンピューター 人工知能は私たちの世界を大きく変えましたが、私たちはまだこの歴史の初期段階にいます. このテクノロジーは非常に身近に感じられるため、私たちがやり取りするこれらのテクノロジーはすべてごく最近のイノベーションであり、最も大きな変化はまだこれからであることを忘れがちです.
人工知能は、私たちが見るもの、知っているもの、行動するものをすでに変えています。 これは、この技術の歴史が短いにもかかわらずです。
これらの傾向がすぐに限界に達する兆候はありません。 それどころか、特に過去 XNUMX 年間で、基本的な傾向が加速しました。AI テクノロジーへの投資は 急速に増加、トレーニング計算の XNUMX 倍の時間はわずか XNUMX か月に短縮されました。
すべての主要な技術革新は、さまざまなプラスおよびマイナスの結果をもたらします。 これはすでに人工知能に当てはまります。 この技術がますます強力になるにつれて、その影響はさらに大きくなることが予想されます。
AI の重要性から、この技術がどこに向かっているのかについて意見を述べ、この開発が私たちの世界をどのように変えているかを理解する必要があります。 この目的のために、AI 関連の指標のリポジトリを構築しています。 OurWorldinData.org/人工知能.
私たちはまだこの歴史の初期段階にあり、可能になることの多くはまだこれからです。 これと同じくらい強力な技術開発は、私たちの注意の中心にあるべきです。 私たちの世界の未来、そして私たちの生活の未来がどのように展開するかについて、これほど重要なことはないかもしれません。
謝辞： 同僚のナターシャ アフジャ、ダニエル バクラー、ジュリア ブローデン、チャーリー ジャッティーノ、バスティアン ヘレ、エドゥアール マチュー、アイク サンダースには、このエッセイの草稿に対する有益なコメントと、ビジュアライゼーションの準備に貢献してくれたことに感謝します。
この記事は、最初に公開された 私たちの世界のデータ クリエイティブ コモンズ ライセンスの下でここに再公開されています。 読む 原著.
