「計算機と知能」というAIに関する代表的な論文で、アラン・チューリングは有名な問いを投げかけました。 “機械は考えることができるのか？” –
70年後、機械はチューリング テストに合格していないため、答えはまだ「ノー」です。 言い換えれば、彼は複雑なデジタル機械に興味がある。
考えるデジタル機械の達成は機械の進化の問題であるため、機械の歴史の始まりから始めることが理由である。 工学用語では、仕事とはある物体から別の物体へエネルギーを伝達することを意味する。
Boston Dynamics の上記のロボット、アトラスのような最新の機械は、油圧ジョイント、ピストン、ギア、バルブなど、何百もの部品を使用して、自己補正による安定化や、バク転などの複雑なタスクを達成します。
単純機械
ただし、ホイール、レバー、プーリー、傾斜面、ウェッジ、ねじなどの「単純機械」も前述の定義と同じように当てはまります。 実際、すべての機械的機械は、これら 6 つの単純機械の何らかの組み合わせでできている。
Atlas は単なる機械的機械ではなく、デジタル機械でもある。
単純機械は数百万年前のものである。 たとえば、「石切道具は人間社会と同じくらい古い」し、考古学者は「150万年から200万年前の」石器を発見しています。
複雑な機械
単純な機械の組み合わせで、手押し車から自転車、機械ロボットまで作ることができる。
実際、機械式ロボットの記録は 3,000 年以上前にさかのぼります。
紀元前 5 世紀に書かれた道教のテキスト『礼記』には、周王朝（1023-957 BCE）の穆王と円石というエンジニアとのもっと昔の出会いが書かれています。 円石は王に等身大の人型の機械仕掛けの人形を贈った。
「王は驚いてその人形を見つめた。 その人造人間は早足で歩き、頭を上下させるので、誰が見ても生きている人間と見間違うほどでした。 職人があごを触ると、完璧な音程で歌い始めた。 この時、王は激怒し、イェンシーをその場で処刑しようとしましたが、イェンシーは死の恐怖から即座にロボットを解体し、その実体を見せました。 そして実際、それは革と木と接着剤と漆を組み合わせただけのものであることがわかったのです…」
王は尋ねた。 “Can it be that human skill is on a parale of that the great Author of Nature ?”
言い換えれば、機械が人間を模倣することができるかというチューリングの疑問は、実は何千年も前のものである。
同じ頃、ギリシャの科学者はさまざまなオートマトンを作り出していた。 アルキタス（紀元前428年～347年頃）は、鳥の形をした人工的な蒸気推進式の飛行装置として、約200メートルも飛ぶことができる機械鳥を作った。
「アルキタスは鳩の木型を機械の工夫と芸術で作り、それが飛んだ」
現代の歴史家によっては、ワイヤーに吊って補助したのではと見ているが、いずれにしても機械を作ろうとしていたことは明らかであった。
もう一人のギリシャの科学者ダイダロスは、動く彫像を作った：
「ダイダロスは、自分で動けるほど生き生きした彫像を作ったと言われている」
「最初の鳩時計」は、「アレクサンドリアの興亡」という本に書かれている。
“すぐにCtesibiusの時計はストップコックとバルブで窒息させられ、鐘から人形、毎時の経過を示すために歌う機械鳩まで多くの装置を制御した-まさに最初の鳩時計！”
数世紀にわたって、風力による移動機械などの自動装置を作るために、より複雑な仕掛けが使用されていた。
Programmable Complex Mechanical Machines
プログラム可能な複合機械が初めて記録されたのは9世紀までかかった：
“The earliest known design of a programmable machine is the automatic flute player that was described by the brothers Musa in Baghdad”
これはまた “The instrument that plays itself” と表現されていた。 これらの装置に関する本はバチカン図書館に保管されている。
Mechanical Calculating Machines
近代AIへの長い道のりのもう一つのステップは、機械式計算機の作成でした。
最初の機械式計算機は、17世紀前半にウィルヘルム・シッカードによって作られ、足し算と掛け算ができた。
次にブレーズ・パスカルが作った機械式計算機は、引き算もできた。
これらの機械は、ゴットフリート ウィルヘルム ライプニッツのような思想家たちに、次のような考えを抱かせました。
「もし人間の経験のあらゆる領域が数学的思考によって理解でき、思考が一種の計算で、計算は機械化できるなら、現実に関するすべての疑問には、原理的には機械が実行する計算によって答えることができるだろう。「
多くの点で、これは今日の人工知能の概念に似ている。
ライプニッツの考えは、普遍的な論理プログラムである特性主義が、現実に関するすべての疑問に答えることができるというものであった。 3930>
バベッジは完全な機械を作ることはできなかったが、彼の「パンチカード技術」は後に最初のデジタル機械に使われた。
デジタル機械（コンピュータ）
機械式からデジタルコンピュータへの移行は、現在の状況に至るまで大きな飛躍であった。
1930年代後半から40年代にかけて、いくつかのデジタル・コンピュータが登場し、「最初のデジタル・コンピュータ」としての座を争った。
1946年に完成したENIACは、完全に機能した最初のデジタル・コンピュータとして広く考えられている。
他のデジタル コンピューターには、英国の暗号解読者がドイツの暗号メッセージを読むのに役立った 1943 年の Colossus、1942 年の ABC コンピューターがありました。
ここからの進歩は急速に加速し、プログラムをメモリに格納する、RAM、リアルタイム グラフィック、トランジスタなどの進歩が比較的短期間に次々と発表された。 その 5 年後、ダートマス大学は AI に関する決定的な論文を発表し、この分野の基本原理はそれ以降も同様です。
1955 年に M.L. Minsky は次のように述べています。「機械は、一連の入出力関数の 1つを獲得するための『トライアル アンド エラー』プロセスによって『訓練』されるかもしれない。 そのような機械は、適切な環境に置かれ、「成功」または「失敗」の基準が与えられると、「目標を求める」行動を示すように訓練することができます」
言い換えれば、機械学習アルゴリズムは、意思決定を行うように明示的にプログラムされなくても、「学習データ」に数学モデルを構築して、意思決定を行います」
これが電卓と機械学習（または AI）の主な違いです。 電卓やあらゆるオートマトンには、あらかじめ決められた出力があります。 AI はその場で確率的な決定を行います。
また、機械的な機械は、プーリー、レバー、ギアなどの機械部品をどれだけ多く配置できるかという点で、より厳しい物理的制限がありますが、現代のデジタル マシンの CPU は数十億のトランジスタを配置することができます。
実際の「機械学習」という言葉は、1952年にアーサー・サミュエルが暗記学習を使ってチェッカーをプレイするコンピュータ プログラムを開発した後に作られたものです。
1957 年、Frank Rosenblatt は画像認識のために Mark I パーセプトロン（2値分類器の教師付き学習アルゴリズム）を作成しました。
1958年に米国海軍に彼の研究を紹介した後、ニューヨーク タイムズ紙は次のように報道しました：
パーセプトロンは「歩く、話す、見る、書く、自己複製、自分の存在を意識することができると期待される電子コンピュータの胎動」
1958年にも、研究者は感覚を持つ AI の日を予見していました。
その後の成果としては、フィードフォワード ニューラル ネットワーク（パーセプトロンのようなものだが、複数の層を持つ）、67 年の最近傍アルゴリズム、70 年代のコンピューター上でのバックプロパゲーション（これは現在、深いニューラル ネットワークの訓練に使われている）、90年代初頭のブースターアルゴリズム、97年の LSTM が挙げられます。
データと計算能力による改善
AI研究の第一人者であるAndrew Ng氏の最近のAI講座では、人工一般知能には「ほとんど進歩がない」が、「スマートスピーカーや自動運転車など、ひとつのことを行う」入出力機能である「狭い知能」には驚くべき進歩があったことを指摘している。”
高レベルでは、AIは依然として「xからyにマッピングする関数を学習する」ことです。
最近見られた驚くべき進歩は、主に、より良い（高品質の）データとより多くのAIエンジニアと並んで、データと計算能力の爆発的向上が原因となっています。
The Democratization of AI
AIアーキテクチャ、計算能力、データの進化と並んで、よりアクセスしやすいAIツールの普及により、最近AIは産業界に強く定着しました。
技術をより身近にするツールが登場したことは、長い歴史があります。 たとえば、グーテンベルクの印刷機は 15 世紀に知識を民主化しました。
インターネット時代には、Wordpress や Wix のような「ノーコード」ツールがサイト構築を民主化しました。
それと同じように、50 年代に AI が提案されてから数十年間、AI はほとんど実用化されることなく学問の世界に限定されていました。
TensorFlow や Keras などのツールにより、より多くの企業が AI を実装できるようになりましたが、これらは依然として、高給の機械学習エンジニアを使用しなければならない、技術的に複雑なツールとなっています。 その結果、FAANGs のような大企業が AIの多くを支配しています。
Apteo のようなノーコード AI ツールの出現は、初期コストを削減すると同時に、技術的専門知識の必要性を取り除き、真に民主的な AI を可能にします。
ノーコード AI
ノーコード AI ツールは AI を民主化する道のりの論理的次のステップとなります。
初期の人類は、200万年前に、手よりも多くの作業を行えるように石切道具を作りました。
今日、AIは私たちをより効率化し、私たちのために仕事をすることができますが、ノーコードAIはこれらの利益をすべての人にもたらします。
ノーコードAIツールの台頭に伴い、我々はアクセスできるAIの時代へと移行しています。