#はじめに
ディープラーニングG検定の勉強用メモとして、参考書に出てきた用語をリストにまとめました。

##参考資料

##各章へのリンク

#用語リスト

名前	説明
Industrie 4.0	ドイツの次世代型製造業の施策。
Industrial Internet	アメリカの次世代型製造業の施策。
中国製造2025	中国の次世代型製造業の施策。中国版Industrie 4.0。
Society5.0	日本の次世代型製造業の指針。
Connected Industries	2017年に経済産業省が公表したスマート化工場の取り組み。
スマート工場	IoT化により生産改革を実現した工場。
エッジコンピューティング	サーバーを分散配置するネットワーク技法。スマート工場では、工場内に設置しているセンサなどから得られる大容量データに対し、リアルタイムに高速な処理を可能とする。 IoTではクラウドコンピューティングでデータを処理することが多いが、エッジコンピューティングで処理したデータを送ることによりクラウド側の処理の負担や遅延を防ぐことも可能となる。
マルチモーダル情報	各種センサから取得した視覚、聴覚、触覚などの複数の感覚が組み合わさった情報。
一気通貫学習	ロボットの一連の動作を一つのニューラルネットワークで実現しようとする学習。入出力に設計者の介入不要。
マルチエージェント強化学習	強化学習の時間を短縮するため、同じ環境で複数の強化学習エージェントに同時学習させる手法。
アクチュエータ	電気信号を物理運動に変換する技術。ディープラーニングと組み合わせることでピッキング作業などに活用される。
自動運転技術	自動車産業にディープラーニングを応用し、運転を自動化する技術。日本政府も期待しており、2018年に発表した官民ITS構想・ロードマップ2018でも自動運転産業の発展について取り上げられている。
SAE J3016	アメリカのSAE(Society of Automotive Engineers)が定めた自動運転レベルの定義。自動運転レベル0から5の6段階あり、通常の運転レベルをレベル0、完全自動運転をレベル5としている。日本でも、内閣府が2018年に公開した戦略的イノベーション創造プログラム(SIP)自動走行システム研究開発計画では、この定義を採用するとしている。
自動運転レベル0	通常の運転レベルで、運転者がすべての運転タスクを実施する。
自動運転レベル1	システムが前後・左右いずれかの車両制御に係る運転タスクのサブタスクを実施。自動ブレーキ、追従走行、斜線内走行などの車両制御を自動で行うレベル。自動車メーカーやサプライヤーはこのレベルからアプローチする。
自動運転レベル2	システムが前後・左右の車両制御に係る運転タスクのサブタスクを実施。高速道路での自動運転レベル。ここまでドライバーによる監視が必要。
自動運転レベル3	システムが限定領域内ですべての運転タスクを実施。運転者は作動継続が困難な場合に適切に応答することが期待される。 IT企業やスタートアップはこのレベルからアプローチする。このレベル以上の実現にはインフラ整備も重要となり、日本でも自動車損害賠償保障法、道路運送車両法、道路交通法などの法制度に課題がある。日本の道路交通法に関して、2019年5月の改正法では、緊急時にドライバーが運転できることを前提に、自動運転中にスマホや携帯電話を手に持って操作することが可能となった。
自動運転レベル4	システムが限定領域内ですべての運転タスクを実施。運転者は作動継続が困難な場合も応答は期待されない。
自動運転レベル5	完全運転自動化となり、利用者の支援なしにあらゆる環境で自動運転が可能となる。
自動運転に関する各国の取り組みの違い	日本では自動運転レベル2の一部までが実用化されているが、日本政府は2025年までにレベル5を目指している。また、2019年10月以降の自動運転機能付き自動車では、高速道路などを自動走行する際、ドライバーがハンドルから手を65秒以上離すと手動運転に切り替える仕組みの搭載が義務付けられている。アメリカでは、ネバダ州では自動運転走行が許可されており、カリフォルニア州では公道での無人走行を許可している。ドイツでは、ドイツ鉄道がレベル3の自動運転車による公道運行を2017年から開始している。
ロボットタクシー	自動運転を前提とした移動サービス。アメリカではUberがAI研究所を設立して開発。日本ではDeNAなどが会社を設立して実証実験に取り組んでいる。
Waymo	Google傘下の自動運転車開発企業。2009年から先駆的な取り組みを行っており注目されている。
自動車生産工程のAI活用	設計や生産プロセスで、収集したデータに基づく生産の効率化や、AIを組み込んだ製造ロボットなどによる生産の自動化が進んでいる。 AIやIoTを活用することにより、製造現場のリアルタイムデータから自社の生産オペレーションを最適化したり、熟練技術者の匠の技をディープラーニングに学ばせるといった取り組みが進められている。
ドローン	小型無人機。飛行に国から許可が必要な領域は、空港などの周辺の上空、人口集中区域の上空、150m以上の高さの空域。国からの承認が必要な飛行方法は、夜間飛行、目視外飛行、30m未満の飛行、イベント上空飛行、危険物輸送、物件投下など。
スマート農業	IoTの活用により生産改革を実現した農業。日本政府も研究会を立ち上げて取り組んでおり、AIやディープラーニングの活用が期待されている。
電力小売全面自由化	日本では2016年開始。これ以降はAIやIoTを活用した需要量予測などの取り組みが進められている。
スマートメーター	電気使用量をデジタルで計測する、通信機能を備えた電力メーター。電力小売全面自由化以降に活用が進む。
EdTech	Education x Technologyの略。情報技術を活用した革新的な教育サービス。アダプティブ・ラーニングやAI-OCRなどの事例がある。
アダプティブ・ラーニング	EdTechのひとつ。蓄積されたログを解析することで弱点を明確にし、生徒一人ひとりに「最適化」されたコンテンツを提供することで、効率的に学習を進めていく。
AI-OCR	OCR(Optical Character Recognition/Reader)にAIを組み合わせて手書き文字の認識率を高めた技術。EdTechでは、筆記試験の採点を効率化するための取り組みが進んでいる。
FinTech	Finance x Technologyの略。情報技術を活用した革新的な金融サービス。ディープラーニングによる株価予測や不正取引検知、チャットボット(IBMのWatson)による問合せの自動対応、RPAによるローン審査の自動化などの事例がある。
Amazon Go	Amazonが2018年にオープンした無人店舗。
WeChat Pay	中国・微信(WeChat)社の電子決済アプリ。
Alipay	中国・Alibaba社の電子決済アプリ。
データマイニング	統計学、パターン認識、人工知能等のデータ解析の技法を大量のデータに網羅的に適用することで知識を取り出す技術。流通業では顧客の消費傾向分析のために活用されている。
協調フィルタリング	顧客の行動履歴などの情報を元に類似性などを関連付けるフィルタリング。
内容(コンテンツ)ベースフィルタリング	商品の特徴から推薦を行うフィルタリング。
トピックモデル	文書が複数の潜在的なトピックから確率的に生成されると仮定したモデル。文書内の各単語はあるトピックが持つ確率分布に従って出現すると仮定する。トピックモデルでは、トピックごとに単語の出現頻度分布を想定することで、トピック間の類似性やその意味を解析できる。ある記事を見たユーザーに対して別の記事を薦める際などの応用法がある。
スパースモデリング	物事に潜むスパース性を利用した情報抽出技術。医療分野のMRIの画像など、スパース性の高いデータから特徴を引き出すのに効果がある。
スパース性	物事の本質的な特徴を決定づける要素はわずかであるという性質。
日本行政のAI活用	政府や地方自治体では、行政サービスのスピードアップ、利便性向上、高付加価値化のためにAI活用が進められている。例として、チャットボットによる問合せサービスの自動化など。