これは私個人が機械学習や人工知能（AI）を学習していく上でも簡単な備忘録のような役目の記事になります。誰得な内容にはなりますので閲覧予定の方はごちゅいを。
AIってすげえぞを卒業する
まず、現在使用されている人工知能は主に機械学習（マシンラーニング：ML）と言われる統計学手法の延長線上のプログラムの判断が多い。これで考えると『データから考えて、00と考えられる場合が濃厚だ！』といった推測でしか無いのである。
自分で思考するニンゲンのような特徴があるんじゃないか？と思っていた私にとってはギャップとして感じてしまいました。
深層学習（Deep＿learning）はMLの中でもさらにニューラルネットワーク（NN）の構造（人間の神経回路の模倣）を活用した手法。ここからAIらしい予測・推論・生成へとつながってくる。ここら辺からデータの形式がDBに挿入された表データ・数字から画像・文字・音声などの応用形式になる。こうなるとその生データの変換や前処理の手法も実行しないといけないので、、、、面倒だ。
※現状でのDNNの問題点
・複雑且つ、膨大な処理能力と計算により出力内容を全て説明できない（情報のブラックボックス化
・学習、訓練データの内容から偏りやバイアスが生まれていても気づきにくい。
↓
responsivle_AI(AIの説明責任)が求められている。そして、これは開発部門だけではなく、導入した会社・仲介業者・利用者も知っていなければならないのである。
次回にはDeeplearningの基礎構造と“重みの更新”や“よく学習できている”を示す評価値のメモを書いていく。