はじめに
人工知能_初学習者向け。
ざっくりと、雰囲気を掴んでいただくことはできると思います。
「Developers in KOBE for Deep Learning #1」
＃本記事の対象読者
機械学習 ( マシンラーニング ) 、ディープラーニング ( 深層学習 ) 、AI ( 人工知能 )
という言葉は聞いたことあるけど、どういうものなのか分からない人向けの記事_です。
→ 内容に誤りがあれば、ご指摘お願いいたします！
そもそも、人工知能 とか 機械学習 とか、 ディープラーニング とかふわふわしすぎてて、分かりづらい！
- 人工知能 ( AI : Artficial Intelligence )
- 機械学習 ( ML : Machine Learning )
- 深層学習 ( DL : Deep Learning )
そもそも人工知能(AI)とは？
AI : Artificial Intelligence (人工知能)
コンピューター上で人間の知能を模倣したもの。
・人間の知能そのものをコンピューター上で実現したもの
・人間が知能を使って行うことをコンピューターで実現したもの。
では、機械学習とは？
人工知能(AI)を支える技術の一つです。
分かりやすく端的に表現すると、「機械が学習する手法(仕組み)」のことです。
機械学習には、さまざまな分類方法がありますが、
1. 教師有り学習 (Supervised Learning)
2. 教師無し学習 (Unsupervised Learning)
3. 強化学習 (Reinforcement Learning)
という3種類に分類する考え方があります。
※ 人間が勉強する時と同じで、どのような事柄を学習するかによって勉強方法(機械学習の手法)を変えてやる必要があります。
参考記事 : 強化学習入門 - これから強化学習を学びたい人のための基礎知識
深層学習とは？
機械学習の分析手法の一つで、
多層構造のニューラルネットワーク(=ディープニューラルネットワーク、英:deep neural network)を用いた分析を
行います。深層学習は、教師無し学習に分類されます。
AIと機械学習の関係性について
AI = Big Data + Machine Learning
Step1 : 予測モデルの構築
コンピューターを用いて大量のデータ(Big Data)を統計学的な分析手法に則って解析。(Machine Learning)
データに含まれる潜在的なルール、相関性、特徴を見出す。(モデル化)
Step2 : 予測モデルによる推定
Step1で生成されたモデルに新しいデータを投入し、
推測される値を算出します。
※ よく人工知能は、大量のデータを投入するとコンピューターが勝手に法則を導き出し、
適切な答えを返してくれると思われている方がいらっしゃいますが、これは間違いです。
関連語彙集
今回の本記事を執筆するにあたって、調べた際に気になった単語をまとめてみました。
1. ニューラルネットワーク
ニューラルネットワーク (神経回路網、英: neural network, NN)は、脳機能に見られるいくつかの特性を計算機上のシミュレーションによって表現することを目指した数学モデルである。研究の源流は生体の脳のモデル化であるが、神経科学の知見の改定などにより次第に脳モデルとは乖離が著しくなり、生物学や神経科学との区別のため、人工ニューラルネットワーク(人工神経回路網、英: artificial neural network, ANN)とも呼ばれる。
2. 自然言語処理
自然言語 ( 日本語や英語 ) をコンピューターで処理すること全般。
ex.
・機械翻訳
・音声認識、音声合成
・感情推定
・OCR (Optical Character Recognition/Reader、光学文字認識)
3. クラスタリング (クラスター分析、データ・クラスタリング)
異なる性質のものが混ざりあっている集団(対象)の中から互いに似たものを集めて集落(クラスター)を作成し、対象を分類しようという方法の総称。
2種類のクラスター分析が存在します。
- 階層クラスター分析
- 非階層クラスター分析
4. 強化学習 (Reinforcement Learning)
強化学習とは、機械学習の手法の一つ。
試行錯誤を通じて、「価値を最大化するような行動」を学習したもの。
5. バックプロパケーション (Backpropagation)
誤差逆伝播法(ごさぎゃくでんぱほう)は、機械学習において、ニューラルネットワークを学習させる際に用いられるアルゴリズム。
おわりに
私自身もまだまだ勉強途中なので、随時こちらの記事の内容を更新しながら、勉強を進めていきたいと思います。
もし、記事内容に誤りがあればご指摘いただけますと幸いです。
最後まで、お読みいただき、ありがとうございました。