計算分析と学習技術は、先行研究で述べられたものが人工知能（AI）の形で現れます。AIは、人間の知能が発揮されるのと同じ幅広さで、思考し、学習し、問題の解決策を生み出せる機械を作ろうという野心を表しています。
AIは決して新しいものではなく、私たちは皆、毎日利用しています。メールを送るとき、クレジットカードを使うとき、旅行するとき、あるいはインターネットで検索するとき、こうした活動の基盤となっているのがAIシステムです。知的なアルゴリズムは、クレジットカード詐欺を常に確認して検知し、航空機を操縦して着陸させ、在庫を管理し、ロボット工場で製品を製造することさえあります。
遺伝的アルゴリズム
こうしたAIアルゴリズムは、機械学習、ディープラーニング、人工ニューラルネットワーク、自然言語処理に基づいています。AIを構成するもう一つの要素は、それらを実現するために用いられるアルゴリズムです。その好例が遺伝的アルゴリズム（GA）です。これは、ダーウィンの進化論に基づく、人工知能やコンピューティングで使われる発見的探索法です。GAは、自然選択と進化生物学の理論、すなわち選択、突然変異、遺伝、組換えに基づき、探索問題に対する最適化された解を見つけるために使われます。
GAは、染色体を遺伝子の列として捉える古典的な見方に基づいています。R.A.フィッシャーはこの見方を用いて数理遺伝学を創始し、特定の遺伝子がどの速度で集団内に広がるかを示す数式を提示しました。
制約付きおよび制約なしの最適化問題を解く場合、古典的なアルゴリズムは各反復で1つのデータ点を生成します。データ点の系列はその後、最適解に近づいていきます。これに対してGAは自然選択に似たプロセスを用います。個々の解からなる集団を繰り返し変化させ、各段階で現在の集団からデータ点をランダムに選び、それらを「親」として次世代の解を生み出します。世代を重ねるごとに、集団は最適解に向かって「進化」します。
ランダム化されているとはいえ、GAは決して無作為ではありません。過去の情報を利用して、探索空間の中でもより良い性能が得られる領域へ探索を導きます。GAは問題を解くために、世代を重ねながら個体間の適者生存を効果的に模擬します。各個体は探索空間上の一点であり、解の候補を表します。集団内の個体は、進化のプロセスを経ることになります。
GA、機械学習、ディープラーニング、人工ニューラルネットワーク、自然言語処理を組み合わせることで、AIはデータから学び、解決策を生み出せるようになります。これは本質的に人間的な活動です。現在、これらの手法は、大規模で複雑なデータセットを探索し、制約なしおよび制約付きの最適化問題を解くことで、複雑な課題に対する妥当な解決策を見つけるために使われています。目的関数が不連続、微分不可能、または高度に非線形である問題など、標準的な統計モデルには適さない問題の解決にも使われます。また、混合型（連続および離散）の組合せ問題にも適用できます。古典的な勾配探索法に比べ、局所最適解に「陥る」可能性が低いためです。
特化型AIと汎用AI
こうした進歩により、あらゆる形式で生み出される膨大なデータを活用し、多種多様な処理を実行できるようになりました。しかし、そうした処理を担うAIの大半は「特化型AI」（ANI）です。つまり、非常に特定の機能を果たすよう構想・設計されています。計算量は多くても明確に定義された個別のタスクを実行できます。例としては、IBMのワトソン、自動運転車、チャットボットなどがあります。
こうしたAIは高い性能を発揮しますが、新たな問題に応用するのは困難です。チェスの試合に勝つ、顧客からの問い合わせに答えるといった、非常に特定の目標のために作られたツールです。一方、汎用人工知能（AGI）は、より一般的な目標を持つよう構築されます。新しいことを学び、自らを改善し、機能の範囲を広げ、さらには新しいものを生み出すことです。AGIシステムは、新しいタスクを自律的に学び、変化する環境に適応するよう明確に設計されています。目標を限定せずに設定できるよう開発されています。AGI向けのプログラミング言語も、この考え方に基づいて構築されています。ReplicodeはAGI言語の一例です。他のAI言語とは異なり、明示的な条件文（「if-then」文など）やループを持たない、短い並列プログラムとして設計されています。
ビジネスへの影響
AIとAGIは、さまざまな分野で活用されています。昨年、UberはAGIスタートアップのGeometric Intelligenceを買収し、本社に新たな人工知能研究部門を設ける意向を示しました。この買収でUberが何を目指しているのかは誰にも分かりません。また、こうした技術によって事業計画がどう変わるかを見極める作業は、今も続いています。しかし、明らかなことが一つあります。仕事を取り巻く環境は激しく変動しており、経済的に生き残るには、こうした変化に適応するしかありません。Uberの最高製品責任者、ジェフ・ホールデンが述べたように、
「将来を見据えると、人工知能には段階的な飛躍が起こり、ビジネスモデルや事業機会に影響を与えるでしょう。」
しかし、進展は続いています。金融機関はすでに、価格や取引量、各種言語のニュースやソーシャルメディアのデータ、国および企業レベルのその他の経済・会計データなど、幅広いデータに基づいて価格変動を予測できるヘッジファンドの設立を進めています。弾力性、市場構造、価格最適化、さらには総計値全般といった経済理論の要素は、いずれもAIによって根本的な変革にさらされています。
AIが経済、社会、ビジネスにもたらす影響は、これからさらに広がっていくでしょう。人類がAIの平和的な浸透の速度と向き合い、この技術の統合が人類の姿に似せて力強く形作る新たな地平の出現に直面する、その学びの旅は始まったばかりです。
