言語・数値・画像……AIごとに違う得意分野
オープンAIの「チャットGPT」やグーグルの「ジェミニ」といったAIサービスを目にする機会は増えてる。SNSに投稿する文章や画像を生成したり、業務レポートをまとめてみたりと、日常的にAIを利用しているという人も多いのではないだろうか。
Google Geminiの画面画像はこちら
そして「AIにはまったく縁がない」という人でも、知らず知らずのうちに恩恵を受けている可能性は高い。なぜなら近年の自動車においてAIは欠かせないテクノロジーとなっているからだ。
さて、改めてAIについて整理してみよう。AIは「Artificial Intelligence：アーティフィシャル・インテリ
ジェンス」という英語の略称であり、日本語で表記すると「人工知能」となる。ただし、完全に人間の脳と同じ機能をコンピュータで実現できる……わけではない。
現時点では、それぞれのAIに得手不得手がある。冒頭で紹介したチャットGPTやジェミニといったAIは、お
もに文章生成や要約を得意とするもので、AIの種類でいうと「大規模言語モデル（LLM）」に大別される。そのほか、数値予想やデータ分析を得意とする回帰モデルAI、画像認識に特化したAI、画像生成を得意とするAIなどなど、さまざまなAIテクノロジーが存在している。
AIのイメージ画像画像はこちら
人工知能といっても人間の脳を完全に模しているレベルではない。それぞれのAIを得意な領域に合わせ、用途に応じて使い分けているのが現状と言える。
自ら学習して賢くなる人工知能の爆進化
AIが従来のコンピュータプログラムと異なるのは、AI自身が学び、進化するところにある。専門用語を使うと、数多のデータから法則を見つける機械学習に加えて、人間の脳回路を模した”ニューラルネットワーク”を活用していることが、最近のAIが見せる爆発的な進化につながっている。いずれにしても自己学習することがAIの特徴と理解できる。
学習領域における進歩こそがAIの進化の原動力だ。AI関連のニュースを見ていると、”ディープラーニング
（深層学習）”という言葉を目にすることもあるが、これはニューラルネットワークによる高度な機械学習を意味している。
自動車でいえば、CNN（たたみ込みニューラルネットワーク）の存在に注目したい。聞き慣れない言葉に拒絶反応を示してしまうかもしれないが、結論から言えば、画像認識に強みを見せるAIを生み出すテクノロジーのことだ。カメラ画像のなかから瞬時に物体を認識する、「目を司るAI」とも言い換えられる。
アイサイトの画像解析イメージ画像画像はこちら
画像から車両、歩行者、信号、建造物、そして道路などを瞬時に認識することは、先進運転支援機能や自動運転に欠かせないことは言うまでもない。AIは新世代のクルマに必須のテクノロジーとなっている。
しかも自動運転テクノロジーだけに限らず、AIの活躍する領域は拡大し続けている。クルマ好きであればこそ、AIを受け入れ、その大きな流れや進化の方向性を理解する必要があると言えるだろう。次のページでは自動運転に関するAIテクノロジーのトレンドに着目して深掘りしていこう。
データからの学びで得る人間を超える能力
自動運転におけるAIの進化を知る前に、いまから10年前の2016年に誕生した”人より強い”囲碁AIである「アルファゴー」について振り返っておきたい。
グーグルの子会社が開発したアルファゴーは、囲碁に特化したAIとして、初めてプロ棋士に勝利したことで知られている。その技術的ポイントといえるのが、前述したディープラーニングの採用だ。それまでの囲碁AIは、基本的に「もしこうなったら、こう打つ」と人間が教えていた。つまり、人間が考えた”最良の手”を状況に応じて選択するという思考であり、こうしたアプローチを専門用語では「ルールベース」という。
プログラミングのイメージ画像画像はこちら
誤解を恐れずに言うと、ルールベースではプログラムする人間の能力が限界となる。結果、囲碁AIの場合はハイアマチュアレベルにしか達しなかったと言われている。
しかし、ディープラーニングを採用すると、AIがデータから学習することになる。さらに進化を加速させたのは、AIが自己対局を高速で繰り返し、AI自身が最良の手を考える点だ。これによって人間では到達不可能といわれるレベルに達することができた。同様のことは自動運転においても言える。
従来の先進運転支援システムは、人間が定めた仕組みをシステムに教え込むルールベースによっている。たとえば、カメラで歩行者を認識することを定義する。その後、歩行者までの距離を測定、自車速度との兼ね合いから事故の可能性を判断させる。そして事故を避け、万が一の際は被害を軽減するためにブレーキをかけるといった制御を行うといった具合だ。
