And in today's video, we're going to unravel some complexities of artificial intelligence or AI.

そして今日のビデオでは、人工知能（AI）の複雑さを解明する。

We'll explore the different types of AI, everything from traditional AI to general AI, and clarify some common misconceptions along the way.

伝統的なAIから一般的なAIまで、さまざまなタイプのAIを探求し、その過程で一般的な誤解を解いていく。

So let's jump straight in.

では、さっそく始めよう。

First, let's talk about traditional AI.

まず、従来のAIについて話そう。

This includes algorithms that you encounter every day, such as recommendation systems on Netflix or Amazon.

これには、ネットフリックスやアマゾンの推薦システムなど、日常的に遭遇するアルゴリズムも含まれる。

These systems analyze your past behaviors to predict and recommend movies or products you might like.

これらのシステムは、あなたの過去の行動を分析し、あなたが好きそうな映画や商品を予測し、推薦する。

They operate using straightforward data processing and matching algorithms, making predictions based on your previous interactions.

彼らは単純なデータ処理とマッチング・アルゴリズムを使って動作し、あなたの過去の交流に基づいて予測を立てる。

If we now step up the level of complexity, we get to supervised or imitation learning, which powers sophisticated systems like self-driving cars.

複雑さのレベルを上げると、自動運転車のような高度なシステムを動かす教師あり学習や模倣学習に行き着く。

So supervised learning means training an AI with data that is already labeled, or learning from copying human behaviors like we see in Tesla cars that monitor what drivers do.

つまり、教師あり学習とは、すでにラベル付けされたデータを使ってAIを訓練すること、あるいはドライバーの行動を監視するテスラ車に見られるように、人間の行動をコピーして学習することを意味する。

And self-driving cars learn to navigate real-world roads safely by analyzing vast amounts of labeled data and monitoring what people are doing, so they're able to react to elements like stop signs and pedestrians.

そして自動運転車は、膨大な量のラベル付けされたデータを分析し、人々が何をしているかを監視することで、現実の道路を安全にナビゲートすることを学び、一時停止の標識や歩行者のような要素に反応できるようになる。

In contrast to supervised learning, we have unsupervised learning.

教師あり学習とは対照的に、教師なし学習がある。

This is an AI that doesn't rely on labeled data, it identifies patterns and relationships on its own, which is crucial for discovering hidden insights in data without any prior knowledge of what you're looking for.

これは、ラベル付けされたデータに依存することなく、自らパターンや関係性を識別するAIであり、何を探しているのかという予備知識がなくても、データに隠された洞察を発見するために極めて重要である。

This capability is especially useful in market segmentation and anomaly detection.

この機能は、市場セグメンテーションや異常検知に特に有効である。

Another type of AI is reinforcement learning, which learns through trial and error, primarily using feedback from its own actions and experiences, rather than from explicit teaching.

AIのもう一つのタイプは強化学習であり、これは明示的な教育からではなく、主に自身の行動や経験からのフィードバックを用いて、試行錯誤を通じて学習する。

In the context of self-driving cars, reinforcement learning is used in simulated environments where the system learns to make decisions by experiencing virtual scenarios, thus improving its algorithms before ever hitting the real road.

自動運転車の文脈では、強化学習はシミュレートされた環境で使用され、システムは仮想シナリオを経験することで意思決定を学習し、実際の道路に出る前にアルゴリズムを改善する。

Next, let's delve into generative AI, a truly exciting frontier of AI development.

次に、AI開発の真にエキサイティングなフロンティアであるジェネレーティブAIを掘り下げてみよう。

Generative models like ChatGPT for text or MidJourney for images can create new, realistic text, images, sound or video.

テキスト用のChatGPTや画像用のMidJourneyのようなジェネレーティブ・モデルは、新しくリアルなテキスト、画像、サウンド、ビデオを作成することができる。

They operate by predicting the next word or pixel based on their training data.

これらは、学習データに基づいて次の単語やピクセルを予測することで動作する。

Although these tools generate impressive results, it's crucial to remember they do not truly understand the content they create, they simply generate predictions based on patterns.

これらのツールは印象的な結果を生み出すが、作成したコンテンツを本当に理解しているわけではなく、単にパターンに基づいて予測を生成していることを忘れてはならない。

Finally, we reach something that doesn't yet exist, the concept of Artificial General Intelligence or AGI.

最後に、まだ存在しないもの、人工知能（AGI）の概念にたどり着く。

AGI would be capable of performing any intellectual task that a human can, with the ability to understand and conceptualize the world on a human level.

AGIは、人間レベルで世界を理解し、概念化する能力を持ち、人間ができるあらゆる知的作業を行うことができるだろう。

This would involve processing contextual nuances, abstract thinking, planning and even experiencing emotions, capabilities far beyond the reach of today's AI.

これには、文脈のニュアンスを処理し、抽象的な思考をし、計画を立て、感情さえも経験する必要がある。

So while today's AIs can perform tasks from driving cars to writing articles, it lacks a deep understanding of the world.

つまり、現在のAIは自動車の運転から記事の執筆までこなせるが、世界に対する深い理解には欠けているのだ。

AGI however remains a theoretical leap that would fundamentally change how machines interact with their environment and with us.

しかし、AGIは、機械が環境や私たちとどのように相互作用するかを根本的に変える、理論的な飛躍にとどまっている。

Thank you for tuning in.

ご視聴ありがとう。

If you are fascinated by the evolution of AI and want to stay updated on the journey towards AGI, don't forget to like, subscribe and hit the notification bell.

AIの進化に魅了され、AGIへの道程を常にアップデートしたい方は、「いいね！」、「購読」、「通知ベル」をお忘れなく。

And of course check out my book Genitive AI in Practice.

もちろん、私の著書『Genitive AI in Practice』もチェックしてほしい。

I will see you in my next video where we continue to explore the transformative technologies that are shaping our future.

それではまた次回のビデオで、私たちの未来を形作る変革的なテクノロジーを探求していこう。