[論文レビュー] Artificial Intelligence: 70 Years Down the Road

Lin Zhang|arXiv (Cornell University)|Mar 6, 2023

Ethics and Social Impacts of AI被引用数 5

ひとこと要約

この論文は、人工知能の発展を70年間にわたり分析し、ルールベースのシステムから統計的モデルへ、最終的にはデータ駆動型アプローチへと繰り返し現れる技術的トレンドを特定している。持続可能なAIの進展には、マルクス主義的弁証法に根ざした哲学的基盤と、計算能力の拡大に焦点を当てた技術的道筋が必要であり、それによって複雑な現実世界現象のモデリングにおける人間の限界を克服できる人間と機械の協働が実現可能になると考える。

ABSTRACT

Artificial intelligence (AI) has a history of nearly a century from its inception to the present day. We have summarized the development trends and discovered universal rules, including both success and failure. We have analyzed the reasons from both technical and philosophical perspectives to help understand the reasons behind the past failures and current successes of AI, and to provide a basis for thinking and exploring future development. Specifically, we have found that the development of AI in different fields, including computer vision, natural language processing, and machine learning, follows a pattern from rules to statistics to data-driven methods. In the face of past failures and current successes, we need to think systematically about the reasons behind them. Given the unity of AI between natural and social sciences, it is necessary to incorporate philosophical thinking to understand and solve AI problems, and we believe that starting from the dialectical method of Marx is a feasible path. We have concluded that the sustainable development direction of AI should be human-machine collaboration and a technology path centered on computing power. Finally, we have summarized the impact of AI on society from this trend.

研究の動機と目的

• 過去70年間にわたり、コンピュータビジョン、自然言語処理（NLP）、機械学習といった主要なAI分野において、繰り返し現れる発展パターンを特定・体系化すること。
• 技術的および哲学的視点から、過去のAIの失敗と現在の成功の根本的要因を分析すること。特に、数学的ツールの不足と、統一的哲学的枠組みの必要性に焦点を当てる。
• AI開発が、複雑な現実世界のシステムをモデリングする際の制限を克服するため、計算能力の拡大と人間と機械の協働に中心を置くべきであると主張すること。
• AIが社会的生産と労働分担に与える影響を検討し、人間の実践に統合されることで、社会的生産の変容と労働分担の再編に果たす役割を強調すること。
• 将来のAI研究開発を導くための統一的で実証済みの哲学的基盤を確立することを提唱する。具体的には、マルクス主義的弁証法を指摘する。

提案手法

• コンピュータビジョン、NLP、機械学習といった主要なサブフィールドにおけるAIの歴史的進化をたどることで、一貫したパターンを特定する。具体的には、ルールベースのシステムから統計的モデルへ、最終的にはデータ駆動型のディープラーニングへの移行を示す。
• AIにおける技術的制限を分析し、複雑な現実世界現象をモデリングするのに十分な数学的ツールの欠如が、経験的および手作業による特徴抽出手法への依存を引き起こしていることを特定する。
• マルクス主義的弁証法をAIに適用する。発展を、人間の知識と計算能力の間の矛盾、理論的モデルと実装の間の矛盾という観点から捉える。
• これらの矛盾の解決策として、人間の知識、アルゴリズムの革新、計算能力の継続的拡大の間のフィードバックループを提案する。
• マルクス哲学における「実践」の概念を用いて、AIを単なる技術的ツールではなく、人間の社会的生産と生活実践の延長として位置づける。
• 将来のAI発展を、計算能力の増加に伴い、より複雑な人間の知識をモデリングできるようになる螺旋的進行と見なす。このプロセスは、人間の入力と反復的フィードバックによって促進される。

実験結果

リサーチクエスチョン

• RQ1 コンピュータビジョン、NLP、機械学習といった異なるサブフィールドにおいて、AIの進化を貫く共通の発展的トレースは何か？
• RQ2 なぜ過去のAIアプローチは失敗に終わったのか？現在のデータ駆動型ディープラーニングの成功を説明する技術的および哲学的要因は何か？
• RQ3 マルクス主義的弁証法は、AIの将来発展を理解し、導くための整合的哲学的枠組みをどのように提供できるか？
• RQ4 計算能力は、複雑な現実世界システムをモデリングするAIの根本的制限を克服するために果たす役割は何か？
• RQ5 AIは社会的生産と労働分担をどのように変容させるのか？AI統合社会における人間の役割はどのように進化するのか？

主な発見

• AIの発展は、サブフィールドを問わず一貫したパターンに従う。具体的には、ルールベースのシステムから統計的モデルへ、最終的にはデータ駆動型のディープラーニングへの移行である。
• AIにおける技術的制限は、複雑な現実世界現象をモデリングするのに適切な数学的ツールの欠如に起因しており、これにより経験的および手作業による特徴抽出手法への依存が避けられない。
• 哲学的枠組み、特にマルクス主義的弁証法は、AI発展における矛盾（人間の知識と計算能力の間、理論的モデルと実装の間）を理解し、持続可能な進展を導くために不可欠である。
• 人間と機械の協働は避けられないかつ持続可能な将来の道筋であり、AI開発は計算能力の継続的拡大に焦点を当てるべきである。
• ディープラーニングの成功は、単独の飛躍的ブレークスルーではなく、計算能力、データの可用性、アルゴリズムの洗練の分野で数十年にわたる段階的進歩の結果である。
• AIは単なる技術的ツールではなく、人間の社会的実践の延長であり、知的・創造的労働の自動化を通じて、生産性の新たな段階をもたらす。