最初に
前回の続きで、超入門編第2弾です
今回のテーマは、AI(機械学習)でよく使用される学習手法です
前回の記事から、データの重要性を理解できましたが、正解のデータだけでは意味がないと書きました、今回は様々なデータを集め、それをどのようにしてAIに覚えさせていくのか、そのイメージを掴むために代表的な学習手法を紹介します
①教師あり学習
一番最初に紹介する学習手法は 教師あり学習 です
この学習手法一言で表すと
「あらかじめ正解を人間が指定してそれをもとに学習していく」 です
どういうことか
猫の画像を使ってイメージを掴んでいきます
この様な画像を用意して学習させる前に、人間側で画像に対して 猫 と印をつけておきます
この印をつけておくことを ラベル付け といいます
あらかじめ猫と印をつけてある画像を学習すると、画像の中に存在する情報から、「猫らしさ」を学習していきます
画像を見て、例えば
・体色は黒
とAIが頑張って特徴見つけていきます
そして自分が学んだ 猫の特徴 を沢山貯めていき、この特徴があれば猫と自身で判断の境界線を作ります
そして、あらかじめ「猫以外」とラベル付けしている画像も一緒に学習させます
猫以外とラベル付けされている画像も同時に学習していくことで、この画像のラベルは猫ではないから画像の中の情報から「猫ではない特徴」も一緒に学習していきます
上の画像をみて猫では無い特徴として
・体色は茶色
・目が黒色
の様な特徴を学んで行きます
これを大量のデータで繰り返し学習していくことで、境界線をより強固にしていきます
この境界線がはっきりするほど、AIは「これは猫」「これは猫ではない」という判断を正確にできるようになります
これが 教師あり学習 です
原則として、教師あり学習では全てのデータに対して正解ラベル及び不正解ラベルをつけて学習を行います
教師あり学習で扱う問題は、大きく分けて次の2種類があります
回帰
分類
この2つの違いはとてもシンプルで、
「AIが出す答えの形が違う」 という点にあります
回帰は、
連続した数値を予測する 問題です。
一方、分類は、
あらかじめ決められたカテゴリの中から1つ（または複数）を選ぶ
先ほどの猫・犬の例は、この「分類」にあたります。
教師あり学習の用途として
・画像認識
・文章分類
・不正検知
・株価予測
などがあります
②教師なし学習
次は教師なし学習です、これは一言で表すと
正解不正解を人間が教えることなく、AIが独自にデータから特徴を見つけていく です
どういうことか
画像の様な学習データがあるとします
この画像に対して、どれが猫でどれが犬と覚えさせることなく自分の力で特徴を見つけて分類していきます
これをAIが分類すると
こんな形で体色などから分類することになるでしょう
教師なし学習は、教師あり学習と違い
「正解」が明確に存在しない問題や、「正解の定義が難しい」領域でよく使用されます
人間側でも、どれが正解なデータなのかを見極めるのが難しい場合などに利用されます
教師なし学習は、下記の様な使用をよくされます
・グループ分け(クラスタリング)：似た特徴があるデータを自動でグループ分けする
・異常検知：通常のパターンから外れたデータを特定する
・次元削除：複雑なデータの本質的な特徴を抽出する
教師なし学習には、教師あり学習のような意味での「回帰」や「分類」は存在しません、が、分類っぽく見えたり、回帰っぽいことをしていますが、厳密には違って来ますのでそこは覚えておいてください
③強化学習
次に強化学習です、これを一言で表すと
「行動の結果に対して、良し悪しを評価しながら学習する方法」
強化学習に関してはイメージがつかみにくい、難しい手法なのでなるべく噛み砕いて説明していきます
例えば迷路を解くAIを想像してみます
このAIは
・前に進む
・後ろに戻る
・右に進む
・左に進む
といった行動をします
AIは最初、どこにゴールがあって、どの行動がゴールに近づく正しい行動かなにもわからないので、めちゃくちゃ適当に動きます
ここで、人間がAIが行った行動に対して報酬を決めます
・ゴールしたら+100点
・壁にぶつかったら-10点
・来た道を戻る-1点
あらかじめ設定されていた評価(ルール)を持って、最初動き回り、迷路のゴールを目指していきます
では、このAIは一体「何」を学習しているのか
このAIは、「迷路の正解ルート」 を探しているわけではなく
「どの行動を取ると、最終的に点数が高くなるか」
を目指して行動をしていきます
その結果として、遠回りせず、壁にもぶつからずにゴールへ到達できれば、100点を獲得できます。
AIは、「最短ルートを探す」のではなく、
点数をなるべく落とさずに100点を取れる行動の組み合わせ
これが強化学習の本質です
強化学習では、「正解の行動」を教えるのではなく、
「良い結果につながる行動が増えるように調整」
していきます
AIは、失敗と成功を繰り返しながら、最終的な点数が最大になる行動を学習をしていきます
教師あり学習では、「この答えが正解」を教えていましたが
強化学習では、「この行動が正解」とは一度も教えません
教えているのは、結果に対する評価だけ
強化学習は、以下の用途でよく使用されます
・ゲームAI
・ロボット制御、機械制御
番外編(DeepLearning、半教師あり学習)
他にも、学習手法として、
DeeplLearning(深層学習)
半教師あり学習
がありますが、難しいので今回は省略します
言葉だけの紹介ですが、覚えておいてください
まとめ
今回は学習手法の紹介でした
よく使用される学習手法は
教師あり学習
教師なし学習
強化学習
の三種類があり、それぞれ、用途に合わせて選択をして、AIを作成していきます
これらの学習手法の中には更に細かく「考え方」や「アプローチ」があります
例えば、
- 「Yes / No を判断するのが得意な方法」
- 「もし〜なら〜、という分岐を繰り返して判断する方法」
- 「複数の条件を組み合わせて結論を出す方法」
- など、同じ教師あり学習であっても、
AIの考え方にはいくつもの種類があり、実際のAI開発では、「どの学習手法を使うか」だけではなく、「どの考え方のモデルを使うか」 も重要になってきます
次回の超入門は未定です、かなり省いている部分もあるのでそこの深堀りか、DeepLearning、強化学習なのか、はたまたモデルの部分に行くのか…
株式会社ONE WEDGE
【Serverlessで世の中をもっと楽しく】
ONE WEDGEはServerlessシステム開発を中核技術としてWeb系システム開発、AWS/GCPを利用した業務システム・サービス開発、PWAを用いたモバイル開発、Alexaスキル開発など、元気と技術力を武器にお客様に真摯に向き合う価値創造企業です。