Qiita Teams that are logged in
You are not logged in to any team

Log in to Qiita Team
Community
OrganizationAdvent CalendarQiitadon (β)
Service
Qiita JobsQiita ZineQiita Blog
Help us understand the problem. What is going on with this article?

G検定チートシート

本記事について

検定前の確認用、また自分の勉強した知識の備忘録のためです。
かなり短くまとめているため不備があるかもしれません、ご了承ください。何か少しでも参考になれば幸いです。

内容について

主にシラバスにある

  • 人工知能(AI)とは(人工知能の定義)
  • 人工知能をめぐる動向
  • 人工知能分野の問題
  • ディープラーニングの応用に向けて(余裕があったら書きたい)
    の部分になります。

意外と書いてたら内容少なくてまとめる意味あるの?ってなった

1.人工知能(AI)とは(人工知能の定義)

人工知能(Artificial Intelligence)

1956年ダートマス会議において人工知能研究者のジョン・マッカーシーが初めて使った言葉。
推論、認識、判断など、人間と同じ知的な処理能力を持つ機械である。
定義自体は専門家の間でも異なる。

人工知能の分類

  • レベル1(シンプルな制御)
    振る舞いがあらかじめ決められている。

  • レベル2(古典的な人工知能)
    探索や推論、知識データを利用し、状況に応じた振る舞いをする。

  • レベル3(機械学習)
    サンプルデータを元に入力と出力の関係を学習したもの。

  • レベル4(深層学習)
    特徴量を自動的に学習するサービスや製品。

AI効果

人工知能の原理がわかると単純な自動化で知能と関係ないと結論づける人間の心理。

人工知能とロボット

  • 人工知能
    ロボットの脳にあたる部分+目に見えないものを中心に扱っている学問。

  • ロボット
    脳以外の部分を研究しているロボット研究者は人工知能研究者ではない。

ENIAC(エニアック)

1946年に開発された世界初の汎用コンピュータ。

ダートマス会議

1956年にアメリカで開催された。のちに人工知能の研究で重要な役割を果たす著名な研究者たちも参加した。

ロジック・セオリスト

世界初の人工プログラムと呼ばれ、アレン・ニューウェルとハーバード・サイモンがデモンストレーションした。数学の定理を自動的に証明することが実現可能であることを示した。

人工知能研究のブーム

  • 第一次AIブーム(推論・探索:1950年後半~1960年代)
    トイプロブレムが溶けても複雑な問題が解けないことが明らかになり、ブームは冬の時代を迎える。

  • 第二次AIブーム(知識:1980年代)
    データベースに大量の専門知識を溜めたエキスパートシステムと呼ばれるシステムがたくさん作られた。知識管理の大変さが明らかになり1995年ごろから再び冬の時代を迎える。

  • 第三次AIブーム(機械学習・特徴表現学習:2010年~)
    ビッグデータを用いることで人工知能が知識を獲得する機械学習が実用化。
    特徴量を自ら習得するディープラーニングが登場。

2.人工知能をめぐる動向

探索木

  • 幅優先探索
    最短の解を見つけられる。メモリ不足の危険性がある。

  • 深さ有線探索
    解が最短であるとは限らない。メモリはあまり必要にならない。
    preorder, inorder, postorderとか

ハノイの塔

三本の棒があるあのパズル問題

プランニング

ロボットの行動計画など探索を利用して作成する。

STRIPS(Stanford Research Institute Problem Solver)

<前提条件><行動><結果>の組み合わせで記述するプランニングの研究。

SHRDLU

プランニングを積み木の世界で実現する研究。テリー・ウィのグラードによって開発された。

ボードゲーム

ゲーム 組み合わせ
オセロ 1060
チェス 10120
将棋 10220
囲碁 10360

オセロ<チェス<将棋<囲碁

ヒューリスティックな知識

探索に利用する経験的な知識

Mini-Max法

自分のターンにスコアを最大になるように、相手が刺す時にはスコアが最小になるように戦略を立てる。

  • αカット
    スコアが最小のものを選ぶ過程で、出現したスコアよりも大きいノードが現れた時点でその先につながるノードの探索をやめる。

  • βカット
    スコアが最大のものを選ぶ過程で、出現したスコアよりも小さいノードが現れた時点でその先につながるノードの探索をやめる。

モンテカルロ法

ゲームがある程度進んだらスコア評価を放棄し、コンピュータが仮想的なプレイヤーを演じて、完全にランダムにプレイアウトさせる。その中でどの方法が一番勝率が高いかを計算できるのでそれをスコアとして評価する。

人工無能

チャットボットなどのルールベースの会話プログラム。

ELIZA(イライザ)

人工無能の元祖。ジョゼフ・ワイゼンバウムによって開発された。

イライザ効果

ロボットが相手の発言を理解しているわけではないが、あたかも本物の人間と対話しているような錯覚陥ること。

エキスパートシステム

ある専門分野の知識を取り込み、その分野のエキスパートのように振る舞うプログラム。

MYCIN(マイシン)

血液中のバクテリアの診断支援ツール。ルールベースのプログラム。

DENDRAL

有機化合物を特定するエキスパートシステム

semantic network(意味ネットワーク)

概念をラベルのついたノードで表、概念間の関係をラベルのついたリンクで結んだネットワークで表す。

  • is-a
    継承関係を表し、矢印先が上位概念、始点概念。推移率が成り立つ。

  • part-of
    属性を表している。推移率が成り立たない場合がある。

Cyc Project(サイクプロジェクト)

全ての一般常識をコンピュータにとり込もうとするプロジェクト。いまだに続いている。

オントロジー(ontology)

概念かの明示的な仕様、概念体系

  • ヘヴィウェイトオントロジー
    対象世界の知識をどのように記述すべきかを哲学的にすっかり考えて行うもの。(Cyc Projectなど)

  • ライトウェイトオントロジー
    効率を重視し、とにかくコンピュータにデータを読み込ませてできる限り自動的に行うもの。(ウェブマイニング、データマイニングなど)

ワトソン

IBMが開発したQuestion-Answeringという研究分野の成果。ウィキペディアの情報を元にライトウェイト・オントロジーを生成。

東ロボくん

東大入試合格を目指す人工知能。読解力に問題があり、今は開発が凍結されている。

統計的自然言語処理

複数の単語を人まとまりにした単位で用意された膨大な量の対訳データ(コーパス)を元に、最も正解である確率が高い訳を選択する。

ILSVRC(Image Large Scale Visual Recognition Challenge)

画像認識の精度を競い合う競技会
2012年に、トロント大学SuperVisionチームが優勝。

3.人工知能分野の問題

トイプロブレム(おもちゃの問題)

コンピュータで扱えるように、問題を簡略したもの。

フレーム問題

今しようとしていることに関係のある事柄だけを選び出すことが、非常に難しいこと。
哲学者のダニエル・デネットがロボットの例え話を使って説明している。以下要約。
(ex.)洞窟の中に台車がありそのうえにバッテリーと時限爆弾が置かれている。バッテリーを持ち出すようにロボットに命令をすると

1. そのまま持ち出して爆発
2. 持ち出す方法の計算中に爆発
3. 持ち出す方法の計算方法の計算中に爆発

チューリングテスト

別の場所にいる人間がコンピュータと会話をし、相手がコンピュータだと見抜けなければコンピュータには知能があるとするもの。

ローブナーコンテスト

1991年以降、リューリングテストに合格する会話ソフトウェアを目指すコンテスト。

強いAIと弱いAI

  • 強いAI
    適切にプログラムされたコンピュータは人間が心を持つのと同じ意味で心を持つ。また、プログラムそれ自身が人間の認知の説明である。

  • 弱いAI
    コンピュータは人間の心を持つ必要はなく、有用な道具である。

中国語の部屋

英語しかわからない人が中国語のマニュアルを見ながら中国語で受け答えすることができても、本質的に理解していることにはならないというもの。
つまり、まるで知能があるような受け答えができるかを調べるチューリングテストに合格しても本当に知能があるかはわからないという議論。

シンボルグラウンディング問題(記号設置問題)

記号(シンボル)とその対象がいかに結びつくかという問題。
人間の場合、シマとウマの意味もよくわかっているのでシマウマを初めて見たとしても、あれはシマウマかもしれないと認識できるが、コンピュータは記号の意味がわかっていないので結びつけることができないというもの。

身体性

知能が成立するためには身体が不可欠であるという考え方があり、外界と相互作用できる身体がないと、概念は捉えきれないというものが、身体性のアプローチの考え方である。

機械翻訳

  • ルールベース機械翻訳
  • 統計的機械翻訳

知識獲得のボトルネック

コンピュータが知識を獲得する難しさ。
例えば
He saw a woman in the garden with a telescope.
という英文で、gardenにいるのが男性なのか女性なのか(gardenにいるのは女性のイメージが強いなど)一般常識に関わるようるな知識がなければ訳せないといった問題がある。

ニューラル機械翻訳

ディープラーニグを使った機械翻訳。TOEIC900点以上の人間と同等の訳文も生成可能だと言われている。

特徴量

注目すべきデータの特徴を量的に表した物。

特徴表現学習

特徴量を機械学習自信に発見させる。

シンギュラリティ(技術的特異点)

人工知能の分野では自分自身よりも賢い人工知能を作るようになった瞬間、無限に知識の高い存在を作るようになる。という仮説である。レイ・カーツワイルはこのようなシンギュラリティは2045年であると主張している。
シンギュラリティは人工知能が人間よりも賢くなる年という広義の意味で使われることも多いが、カーツワイルはそれは2029年ごろに起きると予測している

参考書籍

IsHYuhi
DeepLearning, Computer Visionに興味があります. B4
https://ishyuhi.github.io/ImsoHappyYuhi.html
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away