人工知能の進歩
How AI-related technologies evolve
Part of a series on
Artificial intelligence (AI)
Major goals
Approaches
Applications
Philosophy
History
Controversies
Glossary
人工知能、特に基礎モデルは急速な進歩を遂げ、様々なベンチマークで人間の能力を上回っています

人工知能（AI ）の進歩とは、人工知能分野において長年にわたり達成されてきた進歩、マイルストーン、そしてブレークスルーを指します。AIはコンピュータサイエンスの一分野であり、通常は人間の知能を必要とするタスクを実行できる機械やシステムの開発を目指しています。AIアプリケーションは、医療診断、金融、ロボット工学、法律、ビデオゲーム、農業、科学的発見など、幅広い分野で活用されています。社会全体として、人工知能はその可能性から、今後の発展の鍵となる要素となることを期待しています。しかし、多くのAIアプリケーションはAIとして認識されていません。「最先端のAIの多くは、AIと呼ばれることなく、一般的なアプリケーションに浸透しています。なぜなら、何かが十分に有用で一般的になるにつれて、もはやAIとは呼ばれなくなるからです。」[1] [2]

「何千ものAIアプリケーションが、あらゆる業界のインフラに深く組み込まれています。」[3] 1990年代後半から2000年代初頭にかけて、AI技術はより大規模なシステムの要素として広く使用されるようになりましたが、[3] [4]当時、この分野がこれらの成功の功績を認められることはほとんどありませんでした。

カプランとヘンラインは、人工知能を3つの進化段階に沿って構造化しています。

  1. 狭義人工知能 – 特定のタスクのみを実行できるAI。
  2. 汎用人工知能– 複数の分野で能力を持ち、そもそも設計されていない問題を自律的に解決できるAI。
  3. 超人工知能– 科学的創造性、社会的スキル、一般的な知恵など、一般的なタスクを実行できるAI 。[2]

人間のパフォーマンスと比較できるようにするために、人工知能は制約があり明確に定義された問題で評価することができます。このようなテストは、主題専門家チューリングテストと呼ばれています。また、より小さな問題はより達成可能な目標を提供し、肯定的な結果の数はますます増えています

2023年、人間はGPT-4とConceptARCベンチマークでテストされた他のモデルの両方を大幅に上回りました。これらのモデルはほとんどの項目で60%、1つのカテゴリで77%のスコアを獲得しましたが、人間はすべてで91%、1つのカテゴリで97%のスコアを獲得しました。[5 ]しかし、2025年のその後の研究では、人間が生成した出力グリッドの精度は73%に過ぎなかったのに対し、その年に利用可能だったAIモデルは77%以上のスコアを獲得しました。[6]今後、AIの利用は増加し、教育の世界でより受け入れられるようになると思います。AIには良い面と悪い面があると思います。

AIの利点は、どんな質問にもほぼ瞬時に答えが得られることです。あらゆる状況でAIを使用する主なメリットの1つは、考える時間を節約できるため、時間管理が容易になることです。しかし、これは私の意見ではデメリットの1つです。なぜなら、人々は自分の深い思考をますます使わなくなるからです。AIの知能は、時が経つにつれて、より多くの人が頻繁に使用するようになるにつれて向上します。

特定の分野における現在のパフォーマンス

ゲーム 優勝年[7] 合法な状態 (log 10 ) [8] ゲームツリーの複雑さ(log 10 ) [8] 完全情報ゲーム？ 参照
ドラフト（チェッカー） 1994 21 31 パーフェクト [9]
オセロ（リバーシ） 1997 28 58 パーフェクト [10]
チェス 1997 46 123 パーフェクト
スクラブル 2006 [11]
将棋 2017 71 226 パーフェクト [12]
囲碁 2017 172 360 パーフェクト
2人ノー リミット ホールデム 2017 不完全 [13]
スタークラフト - 270+ 不完全 [14]
スタークラフトII 2019 不完全 [15]

何らかの知能を示すと言える有用な能力は数多く存在します。これにより、様々な分野における人工知能の相対的な成功度をより深く理解することができます。

AIは電気や蒸気機関と同様に、汎用技術です。AIがどのタスクに優れているかについては、コンセンサスが得られていません。[16]モラベックのパラドックスのいくつかのバージョンでは、人間は身体的な器用さなど、自然淘汰の直接的な標的となってきた分野で機械よりも優れた能力を発揮する可能性が高いと指摘されています。[17] AlphaZeroのようなプロジェクトはゼロから独自の知識を生み出すことに成功していますが、他の多くの機械学習プロジェクトでは大規模なトレーニングデータセットが必要です。[18] [19]研究者のアンドリュー・ン氏は、「非常に不完全な経験則」として、「典型的な人間が1秒未満の思考でできることのほとんどすべては、おそらく今、あるいは近い将来、AIを使って自動化できるだろう」と示唆しています。[20]

ゲームは進歩の速度を評価するための注目度の高いベンチマークを提供します。多くのゲームには大規模なプロプレイヤーベースと確立された競争力のあるレーティングシステムがあります。 2016年、人工知能（AI）が人間に対する競争力を証明したAlphaGoは、古典的なボードゲームのベンチマークの時代を終焉させました。DeepMindのAlphaGo AIソフトウェアプログラムは、世界最高のプロ囲碁棋士であるイ・セドルを破りました。[21]不完全知識ゲームは、ゲーム理論の分野でAIに新たな課題をもたらします。この分野における最も顕著なマイルストーンは、2017年のLibratusのポーカーでの勝利によって幕を閉じました。[ 22] [23] eスポーツは引き続き追加のベンチマークを提供し続けています。Facebook AI、Deepmind、その他の企業は、人気のビデオゲームシリーズ「StarCraft」に取り組んでいます。 [24] [25]

AIテストの結果の大まかなクラスは

  • 最適：これ以上のパフォーマンスは不可能（注：これらの項目の一部は人間によって解決されました）
  • 超人：すべての人間よりも優れたパフォーマンスを発揮する
  • 高度な人間：ほとんどの人間よりも優れたパフォーマンスを発揮する
  • 準人間：ほとんどの人間と同様のパフォーマンスを発揮する
  • 劣った人間：ほとんどの人間よりもパフォーマンスが低い

最適

超人

  • オセロ（別名リバーシ）：1997年頃[10]
  • スクラブル：[29] [30] 2006年[11]
  • バックギャモン：1995年頃～2002年頃[31] [32]
  • チェス：スーパーコンピュータ（1997年頃）；パーソナルコンピュータ（2006年頃）；[33]携帯電話（2009年頃）；[34]コンピュータが人間＋コンピュータに勝利（2017年頃）[35]
  • ジェパディ！：質問応答（ただし、機械は音声認識を使用していませんでした）（2011年） [36] [37]
  • アリマア：2015年[38] [39]
  • 将棋：2017年頃[ 12]
  • 囲碁：2017年[40]
  • ヘッズアップ・ノーリミット・ホールデムポーカー：2017年[13]
  • 6人制ノーリミット・ホールデムポーカー：2019年[41]
  • グランツーリスモSPORT：2022 [42]

ハイヒューマン

準人間

人間以下

  • 印刷されたテキストの光学文字認識（ラテン文字でタイプされたテキストでは人間に近い）
  • 物体認識[明確化が必要]
  • ロボットハードウェアとAIの進歩を必要とする可能性のある、さまざまなロボット工学タスク。以下を含む：
    • 安定した二足歩行：二足歩行ロボットは歩行できますが、人間の歩行者ほど安定性はありません（2017年現在）[61]
    • ヒューマノイドサッカー[62]
  • 音声認識：「人間のパフォーマンスとほぼ同等」（2017年）[63]
  • 説明可能性。現在の医療システムは特定の病状を適切に診断できますが、なぜその診断を下したのかをユーザーに説明することはできません。[64]
  • 流動性知能の多くの検査（2020年）[59]
  • Bongard視覚認知問題、例えばBongard-LOGOベンチマーク（2020年）[59] [65]
  • 視覚的常識推論（VCR）ベンチマーク（2020年現在）[57]
  • 株式市場予測：機械学習アルゴリズムを使用した金融データの収集と処理
  • アングリーバードビデオゲーム（2020年現在）[66]
  • 文脈知識なしでは解決が難しい様々なタスク。以下を含む。

人工知能の提案されたテスト

アラン・チューリングは有名なチューリングテストにおいて、人間の決定的な特徴である言語をその基礎として選びました。[67]チューリングテストは現在、意味のあるベンチマークとなるにはあまりにも悪用されやすいと考えられています。[68]

エキスパートシステムの発明者によって提案されたファイゲンバウムテストは、特定の主題に関する機械の知識と専門知識をテストします。[69] 2003年にマイクロソフトのジム・グレイが発表した論文では、チューリングテストを音声理解、発話、物体や行動の認識に拡張することが提案されました。 [70]

提案されている「普遍的知能」テストは、機械、人間、さらには人間以外の動物が、可能な限り汎用的な問題セットでどれだけうまくパフォーマンスを発揮するかを比較することを目的としています。極端な場合、テストスイートにはコルモゴロフ複雑性によって重み付けされたあらゆる問題を含めることができます。しかし、これらの問題セットは、調整されたAIが人間のパフォーマンスレベルを簡単に上回ることができる、貧弱なパターンマッチング演習に支配される傾向があります。[71] [72] [73] [74] [75]

試験

OpenAIによると、2023年のChatGPT GPT-4は統一司法試験で90パーセンタイルを獲得しました。SATでは、 GPT -4は数学で89パーセンタイル、リーディング＆ライティングで93パーセンタイルを獲得しました。GREでは、ライティングテストで54パーセンタイル、定量セクションで88パーセンタイル、言語セクションで99パーセンタイルを獲得しました。2020年の米国生物学オリンピック準決勝では、99パーセンタイルから100パーセンタイルを獲得しました。いくつかのAP試験では満点の「5」を獲得しました。[76]

2023年、独立した研究者たちは、ChatGPT GPT-3.5が米国医師免許試験の3つのパートで「合格基準値またはそれに近い成績」を収めたことを発見しました。GPT-3.5はまた、ミネソタ大学のロースクールの4つのコースの試験でも低いながらも合格点を獲得したと評価されました。[76] GPT-4は、テキストベースの放射線科試験に合格しました。[77] [78]

コンテスト

Imagenet Challengeのような多くのコンテストや賞は、人工知能の研究を促進しています。最も一般的な競技分野には、汎用機械知能、会話行動、データマイニング、ロボットカー、ロボットサッカー、そして従来のゲームなどがあります。[79]

過去と現在の予測

2016年頃、人類の未来研究所のカチャ・グレース氏とその協力者によって行われた専門家による世論調査では、チャンピオンシップのアングリーバードで3年、ワールドシリーズ・オブ・ポーカーで4年、スタークラフトで6年という中央値推定が示されました。より主観的なタスクについては、洗濯物を畳むのに平均的な人間の労働者と同様に6年、「簡単にグーグルで検索できる」質問に専門的に答えるのに7～10年、平均的な音声文字変換で8年、平均的なテレフォンバンキングで9年、専門的な作詞作曲で11年と示されましたが、ニューヨーク・タイムズのベストセラーを書いたり、パトナム数学コンテストで優勝したりするには30年以上かかるとされています。[80] [81] [82]

チェス

コンピュータ歴史博物館のディープブルー

1988年、 AIが初めて公式トーナメントでグランドマスターを破り、ディープ・ブルーとしてブランド名を変更したAIは、1997年に当時のチェス世界チャンピオンを破りました（ディープ・ブルー対ガルリ・カスパロフ戦を参照）。[83]

コンピュータがチェスで人間を超える時期の予測
予測年 予測年 年数 予測者 同時代の情報源
1957年 1967年以前 10年以下 ハーバート・A・サイモン、経済学者[84]
1990年 2000年以前 10年以下 レイ・カーツワイル、未来学者 インテリジェントマシンの時代[85]

囲碁

AlphaGoは2015年10月にヨーロッパの囲碁チャンピオンを破り、2016年3月には世界トップクラスの棋士であるイ・セドルを破りました（ AlphaGo対イ・セドル戦参照）。Scientific Americanなどの情報源によると、ほとんどの観測者は、コンピュータ囲碁が超人的なパフォーマンスを発揮するには少なくとも10年かかると予想していました。[86] [87] [88]

コンピュータが囲碁で人間を超える時期の推定
予測年 予測年 年数 予測者 所属 同時代の情報源
1997年 2100年以降 103年以上 物理学者、囲碁ファンのピエト・ハット 高等研究所 ニューヨーク・タイムズ[89] [90]
2007年 2017年以前 10年以下 ディープ・ブルーのリーダー、徐鳳雄 マイクロソフト・リサーチ・アジア IEEEスペクトラム[91] [92]
2014 2024 10 レミ・クーロン、コンピュータ囲碁プログラマー CrazyStone ワイヤード[92] [93]

人間レベルの汎用人工知能（AGI）

AIの先駆者であり経済学者であるハーバート・A・サイモンは、1965年に「機械は20年以内に人間が行えるあらゆる作業を行うことができるようになる」と不正確な予測をしました。同様に、1970年にマービン・ミンスキーは「1世代以内に…人工知能の創造の問題は実質的に解決されるだろう」と書いています。[94]

2012年と2013年に実施された4つの世論調査では、専門家の間でAGIの到来時期に関する中央値の推定値は、世論調査によって異なり、2040年から2050年であることが示唆されました。[95] [96]

2016年頃のグレース世論調査では、質問の構成方法によって結果が異なることが分かりました。「補助のない機械が人間の労働者よりも優れた、より安価にすべてのタスクを遂行できるようになるのはいつか」と推定するよう求められた回答者には、集計された回答の中央値は45年で、9年以内に実現する確率は10%でした。「すべての職業が完全に自動化されるのはいつか。つまり、どんな職業でも、機械が人間の労働者よりも優れた、より安価にタスクを遂行できるようになるのはいつか」と推定するよう求められた他の回答者には、中央値は122年で、20年になる確率は10%でした。「AI研究者」が完全に自動化されるのはいつかという質問に対する回答の中央値は約90年でした。勤続年数と楽観主義の間には関連は見られませんでしたが、アジアの研究者は平均して北米の研究者よりもはるかに楽観的でした。アジア人は「すべてのタスクを遂行する」のに平均30年かかると予測したのに対し、北米人は74年かかると予測しました。[80] [81] [82]

AGIの到来時期の推定
予測年 予測年 年数 予測者 同時代の情報源
1965年 1985年以前 20年以下 ハーバート・A・サイモン 人間と経営における自動化の形[94] [97]
1993年 2023年以前 30年以下 ヴァーナー・ヴィンジ、SF作家 「来たる技術的特異点」[98]
1995 2040年かそれより早く 45歳以下 ハンス・モラベック、ロボット工学研究者 Wired [99]
2008 決して起こらない／遠い未来[注1] ゴードン・E・ムーア、ムーアの法則の発明者 IEEE Spectrum [100]
2017 2029 12 レイ・カーツワイル インタビュー[101]

参照

参考文献

  1. ^ AIは人間の脳力を超える見込み　Wayback Machineに2008年2月19日アーカイブ　CNN.com (2006年7月26日)
  2. ^ ab Kaplan, Andreas; Haenlein, Michael (2019). 「Siri, Siri, in my hand: Who's the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizo​​ns . 62 : 15–25 . doi :10.1016/j.bushor.2018.08.004. S2CID  158433736.
  3. ^ ab Kurtzweil 2005, p. 264 harvnb error: no target: CITEREFKurtzweil2005 (help)
  4. ^ 全米研究会議（1999年）、「人工知能の発展」、革命への資金提供：コンピューティング研究に対する政府の支援、全米科学アカデミー出版、ISBN 978-0-309-06278-7、OCLC  246584055「90年代の人工知能」の項
  5. ^ ビーバー、セレステ（2023年7月25日）「ChatGPTがチューリングテストを破る ― AIを評価する新たな方法の競争が始まる」Nature。2023年7月26日閲覧
  6. ^ Beger, Claas; Yi, Ryan; Fu, Shuhao; Moskvichev, Arseny; Tsai, Sarah W.; Rajamanickam, Sivasankaran; Mitchell, Melanie (2025年10月6日). 「AIモデルはモダリティを超えて人間のような抽象推論を実行するか？」doi :10.48550/arXiv.2510.02125 . 2025年11月17日閲覧.人間が生成した出力グリッドは、480のConceptARCタスクで全体的なパス@1の精度が73%に達し、テキストモダリティにおけるトップクラスの推論モデルの精度よりも低いことがわかりました。
  7. ^ AIが人間のトップエキスパートに勝ち始めたおおよその年
  8. ^ ab van den Herik, H.Jaap; Uiterwijk, Jos WHM; van Rijswijck, Jack (2002年1月). 「ゲームの解決：現在と未来」. Artificial Intelligence . 134 ( 1–2 ): 277–311 . doi : 10.1016/S0004-3702(01)00152-7 .
  9. ^ Madrigal, Alexis C. (2017). 「チェッカーの解決方法」. The Atlantic . 2018年5月6日時点のオリジナルよりアーカイブ。 2018年5月6日閲覧。
  10. ^ ab "www.othello-club.de". berg.earthlingz.de . 2018年7月15日時点のオリジナルよりアーカイブ。2018年7月15日閲覧
  11. ^ ab Webley, Kayla (2011年2月15日). 「人間対機械の瞬間トップ10」. Time . 2017年12月26日時点のオリジナルよりアーカイブ。 2017年12月28日閲覧。
  12. ^ ab 「将棋の天才が将棋に新たな命を吹き込む | The Japan Times」. The Japan Times . 2018年7月15日時点のオリジナルよりアーカイブ。2018年7月15日閲覧
  13. ^ ab Brown, Noam; Sandholm, Tuomas (2017). 「ヘッズアップ・ノーリミットポーカーにおける超人AI：Libratusがトッププロに勝利」. Science . 359 (6374): 418– 424. Bibcode :2018Sci...359..418B. doi : 10.1126/science.aao1733 . PMID  29249696.
  14. ^ 「Facebook、静かにスタークラフトのAIボット戦争に参戦、そして敗北」WIRED . 2017年。2018年5月7日時点のオリジナルよりアーカイブ。2018年5月6日閲覧。
  15. ^ サンプル、イアン（2019年10月30日）「AIが『悪魔のように複雑な』スタークラフトIIでグランドマスターに」ガーディアン。2020年12月29日時点のオリジナルよりアーカイブ。2020年2月28日閲覧
  16. ^ Brynjolfsson, Erik; Mitchell, Tom (2017年12月22日). 「機械学習は何ができるのか？ 労働力への影響」 . Science . 358 (6370): 1530–1534 . Bibcode :2017Sci...358.1530B. doi :10.1126/science.aap8062. PMID  29269459. S2CID  4036151. 2021年9月29日時点のオリジナルよりアーカイブ。2018年5月7日閲覧。
  17. ^ 「IKEAの家具とAIの限界」. The Economist . 2018年. 2018年4月24日時点のオリジナルよりアーカイブ。2018年4月24日閲覧
  18. ^ イアン・サンプル（2017年10月18日）「『知識を自ら創造できる』：Googleが自己学習するAIを発表」ガーディアン。2017年10月19日時点のオリジナルよりアーカイブ。 2018年5月7日閲覧。
  19. ^ 「科学におけるAI革命」サイエンス | AAAS。2017年7月5日。2021年12月14日時点のオリジナルよりアーカイブ。2018年5月7日閲覧。
  20. ^ 「ロボットが到来した10年後もあなたの仕事は存在するのか？」サウスチャイナ・モーニング・ポスト。2017年。2018年5月7日時点のオリジナルよりアーカイブ。2018年5月7日閲覧
  21. ^ モキル、ジョエル (2019年11月1日). 「テクノロジーの罠：自動化時代の資本、労働、そして権力」カール・ベネディクト・フレイ著. プリンストン：プリンストン大学出版局, 2019年. 480ページ. ハードカバー29.95ドル. 『経済史ジャーナル』 . 79 (4): 1183– 1189. doi :10.1017/s0022050719000639. ISSN  0022-0507. S2CID  211324400
  22. ^ Borowiec, Tracey Lien, Steven (2016). 「AlphaGoが人間の囲碁チャンピオンに勝利、人工知能のマイルストーン達成」ロサンゼルス・タイムズ. 2018年5月13日時点のオリジナルよりアーカイブ。 2018年5月7日閲覧。{{cite news}}: CS1 maint: multiple names: authors list (link)
  23. ^ Brown, Noam; Sandholm, Tuomas (2018年1月26日). 「ヘッズアップ・ノーリミットポーカーにおける超人AI：Libratusがトッププロに勝利」. Science . 359 (6374): 418– 424. Bibcode :2018Sci...359..418B. doi : 10.1126/science.aao1733 . PMID  29249696. S2CID  5003977.
  24. ^ サンティアゴ・オンタノン、ガブリエル・シナエベ、アルベルト・ウリアルテ、フロリアン・リシュー、デイヴィッド・チ​​ャーチル、マイク・プレウス（2013年12月）。「スタークラフトにおけるリアルタイムストラテジーゲームAI研究と競争の調査」IEEE Transactions on Computational Intelligence and AI in Games . 5 (4): 293– 311. CiteSeerX 10.1.1.406.2524 . doi :10.1109/TCIAIG.2013.2286295. S2CID  5014732. 
  25. ^ 「Facebook、AIボットをめぐるスタークラフト戦争にひっそり参戦、そして敗北」WIRED . 2017年。2023年2月2日時点のオリジナルよりアーカイブ。2018年5月7日閲覧
  26. ^ Schaeffer, J.; Burch, N.; Bjornsson, Y.; Kishimoto, A.; Muller, M.; Lake, R.; Lu, P.; Sutphen, S. (2007). 「チェッカーは解ける」. Science . 317 (5844): 1518– 1522. Bibcode :2007Sci...317.1518S. CiteSeerX 10.1.1.95.5393 . doi :10.1126/science.11​​44079. PMID  17641166. S2CID  10274228. 
  27. ^ 「神の数字は20」. 2013年7月21日時点のオリジナルよりアーカイブ。2011年8月7日閲覧
  28. ^ Bowling, M.; Burch, N.; Johanson, M.; Tammelin, O. (2015). 「ヘッズアップ・リミット・ホールデム・ポーカーの謎が解明される」. Science . 347 (6218): 145–9 . Bibcode :2015Sci...347..145B. CiteSeerX 10.1.1.697.72 . doi :10.1126/science.1259433. PMID  25574016. S2CID  3796371. 
  29. ^ 「AIの大きなブレークスルー、Googleのシステムが古代囲碁のトッププレイヤーをひそかに破る」. WIRED . 2017年2月2日時点のオリジナルよりアーカイブ。2017年12月28日閲覧
  30. ^ Sheppard, B. (2002). 「世界選手権レベルのスクラブル」.人工知能. 134 ( 1–2 ): 241–275 . doi : 10.1016/S0004-3702(01)00166-7 .
  31. ^ Tesauro, Gerald (1995年3月). 「Temporal Difference Learning and TD-Gammon」. Communications of the ACM . 38 (3): 58– 68. doi : 10.1145/203330.203343 . S2CID  8763243. 2013年1月11日時点のオリジナルよりアーカイブ。 2008年3月26日閲覧。
  32. ^ Tesauro, Gerald (2002年1月). 「自己学習型ニューラルネットを用いたバックギャモンのプログラミング」. Artificial Intelligence . 134 ( 1–2 ): 181–199 . doi :10.1016/S0004-3702(01)00110-2. …少なくとも他の2つのニューラルネットプログラムも超人的なプレイが可能なようです。
  33. ^ 「Kramnik vs Deep Fritz: Computer wins match by 4-2」. Chess News . 2006年12月5日. オリジナルから2018年11月25日にアーカイブ。2018年7月15日閲覧
  34. ^ 「チェスの週 771」。theweekinchess.com 。 2018年11月15日にオリジナルからアーカイブ。2018年7月15日閲覧。
  35. ^ Nickel, Arno (2017年5月). 「エキサイティングな写真判定でZorが優勝」。www.infinitychess.com。Innovative Solutions。2018年8月17日にオリジナルからアーカイブ。 2018年7月17日閲覧。…3位には最高のケンタウロスが…
  36. ^ Markoff, John (2011年2月16日). 「コンピューターが『Jeopardy!』で勝利：些細なこと、そうではない」。ニューヨーク・タイムズ。ISSN 0362-4331。2023年2月22 日閲覧
  37. ^ ジャクソン、ジョアブ。「IBM Watsonがヒューマン・ジェパディの敵を倒す」。PC World。IDG News。2011年2月20日時点のオリジナルよりアーカイブ。 2011年2月17日閲覧。
  38. ^ 「Arimaaチャレンジ」。arimaa.com 。 2010年3月22日時点のオリジナルよりアーカイブ。 2018年7月15日閲覧。
  39. ^ ローダー、オリバー（2017年7月10日）「ボットに負けた。次はどうなる？」FiveThirtyEight。2017年12月28日時点のオリジナルよりアーカイブ。2017年12月28日閲覧
  40. ^ 「AlphaGoが再び柯潔に勝利し、3部構成の対局を締めくくる」The Verge。2018年7月15日時点のオリジナルよりアーカイブ。2018年7月15日閲覧
  41. ^ Blair, Alan; Saffidine, Abdallah (2019年8月30日). 「AI、6人制ポーカーで人間を上回る」 . Science . 365 (6456): 864–865 . Bibcode :2019Sci...365..864B. doi :10.1126/science.aay7774. PMID  31467208. S2CID  201672421. 2022年7月18日時点のオリジナルよりアーカイブ。2022年6月30日閲覧。
  42. ^ 「ソニーの新AIドライバー、グランツーリスモで『確実に超人的な』レースタイムを達成」. The Verge . 2022時点のオリジナルよりアーカイブ。2022年7月19日閲覧
  43. ^ 格言：確率的クロスワードパズルの達人。グレッグ・A・ケイム、ノーム・シャジーア、マイケル・L・リットマン、スシャント・アガーワル、キャサリン・M・チェイブス、ジョセフ・フィッツジェラルド、ジェイソン・グロスランド、ファン・ジャン、シャノン・ポラード、カール・ウェインマイスター著。1999年。第16回人工知能全国会議議事録、710-717ページ。カリフォルニア州メンロパーク：AAAIプレス。
  44. ^ Wernick, Adam (2014年9月24日). 「『ドクター・フィル』がクロスワードパズルの覇権を争うも、及ばず」Public Radio International. 2017年12月28日時点のオリジナルよりアーカイブ。 2017年12月27日閲覧。初年度、ドクター・フィルは約600の参加者のうち141位でした。2年目は少し成績が上がり、昨年は65位でした。
  45. ^ 「AragoのAIは複雑な文明戦略ゲームで一部の人間プレイヤーに勝てるようになった」TechCrunch . 2016年12月6日. 2022年6月5日時点のオリジナルよりアーカイブ。2022年7月20日閲覧
  46. ^ 「AIボットは1日180年間訓練され、Dota 2で人間に勝つ」The Verge . 2018年6月25日. オリジナルより2018年6月25日アーカイブ。 2018年7月17日閲覧。
  47. ^ Bethe, PM (2009). 自動ブリッジプレイの現状。
  48. ^ 「AlphaStar：リアルタイムストラテジーゲーム『StarCraft II』のマスター」2019年1月24日. オリジナルより2022年7月22日アーカイブ。 2022年7月19日閲覧。
  49. ^ 「Suphx：世界最高の麻雀AI」Microsoft . オリジナルより2022年7月19日アーカイブ。2022年7月19日閲覧
  50. ^ 「DeepmindのAI研究者が『DeepNash』を発表。モデルフリーのマルチエージェント強化学習で訓練された自律エージェントは、ストラテゴのゲームをエキスパートレベルでプレイすることを学習する」MarkTechPost、2022年7月9日。2022年7月9日時点のオリジナルよりアーカイブ。 2022年7月19日閲覧。
  51. ^ Bakhtin, Anton; Wu, David; Lerer, Adam; Gray, Jonathan; Jacob, Athul; Farina, Gabriele; Miller, Alexander; Brown, Noam (2022年10月11日). 「人間による正規化された強化学習と計画によるノープレス外交ゲームの習得」arXiv : 2210.05492 [cs.GT].
  52. ^ Hu, Hengyuan; Wu, David; Lerer, Adam; Foerster, Jakob; Brown, Noam (2022年10月11日). 「人間による正規化された探索と学習による人間とAIの協調」arXiv : 2210.05125 [cs.AI]
  53. ^ 「マイクロソフトの研究者、最新のディープラーニングシステムが人間とGoogleに勝つと発表 - VentureBeat - ビッグデータ - ジョーダン・ノベット著」VentureBeat . 2015年2月10日。2017年8月9日時点のオリジナルよりアーカイブ。 2017年9月8日閲覧
  54. ^ サントロ、アダム；バルトゥノフ、セルゲイ；ボトヴィニック、マシュー；ウィエストラ、ダーン；リリクラップ、ティモシー（2016年5月19日）「メモリ拡張ニューラルネットワークによるワンショット学習」p.5、表1。arXiv ：1605.06065 [cs.LG]。4.2 .オムニグロット分類：「ネットワークは、エピソード内のクラスからのサンプルを2回目に提示しただけで高い分類精度（82.8%）を示し、5回目には94.9%、10回目には98.1%の精度に達しました。」
  55. ^ 「人間対機械：顔認識で勝つのは誰か？」Neuroscience News。2018年12月3日。2022年7月20日にオリジナルからアーカイブ。 2022年7月20日閲覧
  56. ^ Yan, Ming; Xu, Haiyang; Li, Chenliang; Tian, Junfeng; Bi, Bin; Wang, Wei; Chen, Weihua; Xu, Xianzhe; Wang, Fan; Cao, Zheng; Zhang, Zhicheng; Zhang, Qiyu; Zhang, Ji; Huang, Songfang; Huang, Fei; Si, Luo; Jin, Rong (2021年11月17日). 「視覚的な質問応答における人間と同等の実現」. arXiv : 2111.08896 [cs.CL]
  57. ^ abc Zhang, D., Mishra, S., Brynjolfsson, E., Etchemendy, J., Ganguli, D., Grosz, B., ... & Perrault, R. (2021). AIインデックス2021年次報告書. AIインデックス（スタンフォード大学）. arXivプレプリント arXiv:2103.06312.
  58. ^ Metz, Cade (2019年9月4日). 「AI技術のブレークスルー：8年生の理科テスト合格」.ニューヨーク・タイムズ. 2023年1月5日時点のオリジナルよりアーカイブ。2023年1月5日閲覧
  59. ^ abc ファン・デル・マース、ハン・LJ;スヌーク、ルーカス。スティーブンソン、クレア E. (2021 年 7 月)。 「人工知能にはどの程度の知能があるのか​​? 2020 年の最新情報」。知能​​。87 101548.土井: 10.1016/j.intell.2021.101548。S2CID  236236331。
  60. ^ マクミラン、ロバート (2015). 「GoogleのAIは今やプロのようにAtariをプレイできるほど賢くなった」. Wired . 2023年1月5日時点のオリジナルよりアーカイブ。2023年1月5日閲覧。
  61. ^ 「脚を持つロボットが私たちの間で歩く準備をしている」. The Verge . 2017年12月28日時点のオリジナルよりアーカイブ。 2017年12月28日閲覧。
  62. ^ ハースト、ネイサン. 「なぜ面白い、転ぶ、サッカーをするロボットが重要なのか」.スミソニアン. 2017年12月28日時点のオリジナルよりアーカイブ。2017年12月28日閲覧
  63. ^ 「人工知能ビジネス」ハーバード・ビジネス・レビュー、2017年7月18日。2017年12月29日時点のオリジナルからアーカイブ。 2017年12月28日閲覧。
  64. ^ Brynjolfsson, E., & Mitchell, T. (2017). 機械学習は何ができるのか？ 労働力への影響。Science, 358(6370), 1530-1534.
  65. ^ Nie, W., Yu, Z., Mao, L., Patel, AB, Zhu, Y., & Anandkumar, A. (2020). Bongard-logo：人間レベルの概念学習と推論のための新たなベンチマーク。Advances in Neural Information Processing Systems, 33, 16468-16480
  66. ^ スティーブンソン、マシュー、レンツ、シャオユ（2020年3月）。「アングリーバードの計算複雑性」人工知能。280 103232。arXiv：1812.07793。doi：10.1016/j.artint.2019.103232。S2CID 56475869。過去5年間に様々な試みがなされてきたにもかかわらず、この問題は依然として大部分が未解決であり、AIによるアプローチは人間レベルのパフォーマンスに は程遠い
  67. ^ チューリング、アラン（1950年10月）. 「計算機械と知能」.マインド. 59 (236): 433–460 . doi :10.1093/mind/LIX.236.433. ISSN  1460-2113. JSTOR  2251299. S2CID  14636783
  68. ^ シェーニック、カリッサ、クラーク、ピーター、タフィヨルド、オイヴィンド、ターニー、ピーター、エツィオニ、オーレン（2017年8月23日）。「アレンAIサイエンスチャレンジでチューリングテストを超えて」Communications of the ACM . 60 (9): 60–64 . arXiv : 1604.04315 . doi :10.1145/3122814. S2CID  6383047
  69. ^ ファイゲンバウム, エドワード A. (2003). 「計算知能におけるいくつかの課題と大きな課題」. Journal of the ACM . 50 (1): 32– 40. doi :10.1145/602382.602400. S2CID  15379263.
  70. ^ グレイ, ジム (2003). 「次は何？ 12の情報技術研究目標」. Journal of the ACM . 50 (1): 41– 57. arXiv : cs/9911005 . Bibcode :1999cs.......11005G. doi :10.1145/602382.602401. S2CID  10336312
  71. ^ Hernandez-Orallo, Jose (2000). 「チューリングテストを超えて」. Journal of Logic, Language and Information . 9 (4): 447–466 . doi :10.1023/A:1008367325700. S2CID  14481982.
  72. ^ Kuang-Cheng, Andy Wang (2023). 「垂直関連市場における内生的関税の下での国際ライセンス」. Journal of Economics . 2023年4月23日閲覧.
  73. ^ Dowe, DL; Hajek, AR (1997). 「チューリングテストへの計算的拡張」.第4回オーストラレーシア認知科学会会議録. 2011年6月28日時点のオリジナルからのアーカイブ
  74. ^ Hernandez-Orallo, J.; Dowe, DL (2010). 「普遍的な知能の測定：いつでも実行可能な知能テストに向けて」人工知能. 174 (18): 1508–1539 . CiteSeerX 10.1.1.295.9079 . doi :10.1016/j.artint.2010.09.006 
  75. ^ Hernández-Orallo, José; Dowe, David L.; Hernández-Lloreda, M.Victoria (2014年3月). 「普遍的な心理測定：機械王国における認知能力の測定」. Cognitive Systems Research . 27 : 50–74 . doi :10.1016/j.cogsys.2013.06.001. hdl : 10251/50244 . S2CID  26440282.
  76. ^ ab Varanasi, Lakshmi (2023年3月). 「ChatGPTやGPT-4のようなAIモデルは、司法試験からAP生物学まであらゆる科目で優秀な成績を収めています。両方のAIバージョンが合格した難関試験のリストはこちらです」. Business Insider . 2023年6月22日閲覧
  77. ^ Rudy, Melissa (2023年5月24日). 「ChatGPTの最新バージョンが放射線科の試験に合格、AIの『成長の可能性』を強調、研究で判明」Fox News . 2023年6月22日閲覧。
  78. ^ Bhayana, Rajesh; Bleakney, Robert R.; Krishna, Satheesh (2023年6月1日). 「放射線学におけるGPT-4：高度な推論の改善」 . Radiology . 307 (5) e230987. doi :10.1148/radiol.230987. PMID  37191491. S2CID  258716171.
  79. ^ 「ILSVRC2017」. image-net.org . 2018年11月2日時点のオリジナルよりアーカイブ。 2018年11月6日閲覧。
  80. ^ ab Gray, Richard (2018). 「あなたの仕事が自動化されるまでにはどれくらいの時間がかかりますか？」. BBC . 2018年1月11日時点のオリジナルよりアーカイブ。2018年1月31日閲覧
  81. ^ ab 「AIは2060年までにあらゆる分野で人間に勝てるようになると専門家は言う」New Scientist . 2018年。2018年1月31日時点のオリジナルよりアーカイブ。 2018年1月31日閲覧。
  82. ^ ab Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2017). AIはいつ人間のパフォーマンスを超えるのか？ AI専門家による証拠。arXivプレプリント arXiv:1705.08807.
  83. ^ McClain, Dylan Loeb (2010年9月11日). 「チェスのグランドマスター、ベント・ラーセン氏、75歳で死去」The New York Times . 2014年3月25日時点のオリジナルよりアーカイブ。2018年1月31日閲覧
  84. ^ 「人工知能ビジネス」ハーバード・ビジネス・レビュー、2017年7月18日。2018年1月18日時点のオリジナルよりアーカイブ。 2018年1月31日閲覧。
  85. ^ 「芸術の未来に関する4つのクレイジーな予測」Inc.com、2017年。2017年9月12日時点のオリジナルよりアーカイブ。 2018年1月31日閲覧。
  86. ^ コッホ、クリストフ（2016年）「コンピューターはいかにして囲碁の達人に勝利したか」サイエンティフィック・アメリカン、2017年9月6日時点のオリジナルよりアーカイブ。2018年1月31日閲覧
  87. ^ 「『ショックだ！』AIが囲碁で世界最強の人間に勝利」ニューサイエンティスト、2016年。2016年5月13日時点のオリジナルよりアーカイブ。 2018年1月31日閲覧
  88. ^ Moyer, Christopher (2016). 「GoogleのAlphaGoが囲碁の世界チャンピオンに勝利した方法」The Atlantic . 2018年1月31日時点のオリジナルよりアーカイブ。 2018年1月31日閲覧。
  89. ^ ジョンソン、ジョージ（1997年7月29日）「強力なコンピュータをテストするには、古代のゲームをプレイしよう」ニューヨーク・タイムズ。2018年1月31日時点のオリジナルよりアーカイブ。2018年1月31日閲覧。
  90. ^ ジョンソン、ジョージ（2016年4月4日）「囲碁チャンピオンに勝つために、Googleのプログラムは人間の軍隊を必要とした」ニューヨーク・タイムズ。2018年1月31日時点のオリジナルよりアーカイブ。 2018年1月31日閲覧。
  91. ^ 「囲碁を解読する」IEEE Spectrum：テクノロジー、エンジニアリング、サイエンスニュース。2007年。2018年1月31日時点のオリジナルよりアーカイブ。2018年1月31日閲覧
  92. ^ ab 「コンピューターが未だ勝てない古代ゲーム、囲碁の謎」WIRED . 2014年。2016年1月31日時点のオリジナルからアーカイブ。 2018年1月31日閲覧。
  93. ^ Gibney, Elizabeth (2016年1月28日). 「Google AIアルゴリズムが古代ゲームである囲碁を制覇」Nature . 529 (7587): 445–446 . Bibcode :2016Natur.529..445G. doi : 10.1038/529445a . PMID  26819021. S2CID  4460235.
  94. ^ ab Bostrom, Nick (2013).スーパーインテリジェンス. オックスフォード：オックスフォード大学出版局. ISBN 978-0-19-967811-2。
  95. ^ Khatchadourian, Raffi (2015年11月16日). 「The Doomsday Invention」. The New Yorker . 2019年4月29日時点のオリジナルからのアーカイブ。 2018年1月31日閲覧。
  96. ^ Müller, VC, & Bostrom, N. (2016). 人工知能の将来的な進歩：専門家の意見の調査。人工知能の基本的問題 (pp. 555-572). Springer, Cham.
  97. ^ Muehlhauser, L., & Salamon, A. (2012). 知能爆発：証拠と重要性。シンギュラリティ仮説 (pp. 15-42). Springer, Berlin, Heidelberg
  98. ^ ティアニー、ジョン（2008年8月25日）「ヴァーナー・ヴィンジの未来観 ― 私たちより優れたテクノロジーはパートナーか、それともマスターか？」ニューヨーク・タイムズ。2017年12月24日時点のオリジナルよりアーカイブ。2018年1月31日閲覧
  99. ^ “スーパーヒューマニズム”. WIRED . 1995年. 2017年9月2日時点のオリジナルよりアーカイブ。2018年1月31日閲覧。
  100. ^ 「技術の著名人がシンギュラリティについて語る」IEEE Spectrum：テクノロジー、エンジニアリング、科学ニュース。2008年。2019年4月30日時点のオリジナルよりアーカイブ。2018年1月31日閲覧。
  101. ^ Molloy, Mark（2017年3月17日）「専門家が『よりセクシーで面白い』人間がAIマシンと融合する日を予測」The Telegraph。2018年1月31日時点のオリジナルよりアーカイブ。2018年1月31日閲覧。

注記

  1. ^ IEEE Spectrumは、ムーア氏の発言を「決してない」と「少なくとも長い間は、このようなことが起こる可能性は低いと思う」の両方だとしている。
  • MIRI AGI予測データベース
Retrieved from "https://en.wikipedia.org/w/index.php?title=Progress_in_artificial_intelligence&oldid=1323089565"