[論文レビュー] AI from concrete to abstract: demystifying artificial intelligence to the general public

Rubens Lacerda Queiroz, Fábio Ferrentini Sampaio+2 more|arXiv (Cornell University)|Jun 7, 2020

Radiation Effects in Electronics参考文献 34被引用数 5

ひとこと要約

本論文では、視覚プログラミングとWiSARD無重みニューラルネットワークを活用した教育的アプローチ、AIcon2absを紹介する。この手法は、非専門家、特に子どもたちが、統合的で実践的な学習および分類タスクを通じて、人工知能（AI）のしくみを理解できるようにすることを目的としている。学習と推論をプログラムのフローに直接埋め込むことで、AIの本質を明確にし、従来のプログラムとは異なる学習システムとの違いを明確にし、一般の人々がAIについての理解を深めるのを支援する。

ABSTRACT

Artificial Intelligence (AI) has been adopted in a wide range of domains. This shows the imperative need to develop means to endow common people with a minimum understanding of what AI means. Combining visual programming and WiSARD weightless artificial neural networks, this article presents a new methodology, AI from concrete to abstract (AIcon2abs), to enable general people (including children) to achieve this goal. The main strategy adopted by is to promote a demystification of artificial intelligence via practical activities related to the development of learning machines, as well as through the observation of their learning process. Thus, it is possible to provide subjects with skills that contributes to making them insightful actors in debates and decisions involving the adoption of artificial intelligence mechanisms. Currently, existing approaches to the teaching of basic AI concepts through programming treat machine intelligence as an external element/module. After being trained, that external module is coupled to the main application being developed by the learners. In the methodology herein presented, both training and classification tasks are blocks that compose the main program, just as the other programming constructs. As a beneficial side effect of AIcon2abs, the difference between a program capable of learning from data and a conventional computer program becomes more evident. In addition, the simplicity of the WiSARD weightless artificial neural network model enables easy visualization and understanding of training and classification tasks internal realization.

研究の動機と目的

• 人工知能の広範な採用にもかかわらず、社会的・文化的な理解が不足している現状に対応するため。
• 従来のAI教育ツールが、機械学習をメインプログラムとは別個のブラックボックスモジュールとして扱うという限界を克服するため。
• 一般の人々、特に子どもたちが、実感的で視覚的かつインタラクティブなプログラミング体験を通じて、AIの核となる概念を理解できる教育的メソドロジーを開発するため。
• 特に学習と分類のプロセスを、内部でどのように処理されているかをリアルタイムで可視化・観察できるように、学習システムの内部機構を透明化するため。
• 非専門家が、AI技術を巡る社会的議論や意思決定に、的確かつ情報に基づいた参加者として関与できるようにするため。

提案手法

• AIcon2absメソドロジーは、視覚プログラミング環境にWiSARD無重み人工ニューラルネットワークを統合し、学習と分類を第一級の構成要素として含むプログラムを構築できるようにしている。
• 学習と分類タスクは、外部モジュールではなく、メインアプリケーション内にプログラマブルなブロックとして実装されており、学習プロセスがリアルタイムで可視化される。
• 無重みネットワークの使用により、モデルの内部メカニズムが単純化され、データの処理と学習の仕組みが視覚的に理解しやすくなる。
• 視覚プログラミングを活用することで、低レベルの実装詳細を抽象化し、学習者がデータからの学習という概念的理解に集中できるようにしている。
• 学習と推論が直接観察可能かつ変更可能な第一級のプログラミング要素としてプログラムに統合され、AIシステムの進化プロセスへの洞察が深まる。
• 数学的複雑性を最小限に抑え、体験的学習を重視することで、子どもや非専門家が利用可能なように設計されている。

実験結果

リサーチクエスチョン

• RQ1 非専門家に対して、学習プロセスが可視的で理解可能になるような人工知能の教え方とは何か？
• RQ2 どのような教育的メソドロジーが、AIをブラックボックスモジュールではなく、プログラムの統合的で観察可能な一部として体験できるようにするのか？
• RQ3 学習と分類タスクをメインプログラムのフローに埋め込むことで、従来のモジュラーなアプローチと比較して、AIの理解がどのように向上するのか？
• RQ4 視覚プログラミングと無重みニューラルネットワークは、子どもや一般の人々が機械学習を直感的に理解するのをどの程度サポートできるか？
• RQ5 学習をプログラム構造に統合することで、学習者が従来のプログラムと学習可能システムとの違いをどのように認識するようになるか？

主な発見

• AIcon2absメソドロジーは、非専門家、特に子どもたちが、リアルタイムで学習システムを構築・観察できることを実証し、AIが動的でデータ駆動型のプロセスであるという理解を深めるのに成功した。
• 学習と分類を第一級のプログラムブロックとして扱うことで、従来のプログラムと学習機能を備えたシステムとの明確な違いが学習者に認識された。
• WiSARD無重みニューラルネットワークの単純さのおかげで、学習と分類プロセスの可視化が直感的になり、認知的負荷が軽減された。
• 内部メカニズムを観察・変更可能にすることで、AIの本質を解きほぐすことができ、能動的学習と概念的理解を支援した。
• 学習プロセスがより透明で魅力的な体験となり、データがモデルの振る舞いにどのように影響するかを直接的に観察できるようになった。
• 学習をプログラム構造に統合することで、学習者がAIを静的ツールではなく、進化し続けるデータ依存型のプロセスとして認識する意識が高まった。