人工知能入門2 基礎単語

人工知能入門2 基礎単語ということで、基礎単語をいくつか見ていきましょう。

前回の内容覚えていますか？

機械にデータを入れて、それを学習させるという方法です。

機械学習以前に使われていた方法です。

仕組みは簡単です。

AならばBをする、CならばDをするといった感じに、論理的に命令を与えて、知的っぽい動作をさせるものです。

例で言うと、

たくさんのものが落ちていて、機械に果物だけを拾わせたい時、

ルールベースは、見たものが　りんご　なら　拾う 見たものが　ぶどう　なら　拾う

見たものが　ほうき　なら　拾わない

といったように、すべたのパターンに合うように全部書かないといけません。

一方機械学習は、果物数種類を学習させれば、果物だけを拾わせることができます。

機械学習の方が汎用性が高く、より知的なことができるようになるのです。

名前の通り、一つのことに特化したAIのことです。

翻訳システム、対話型AI、自動運転もすべてこれにあたります。

専門的なことが可能で、それは時には人間以上の実力を示すこともありますが、専門外のことは不可能です。

翻訳AIに計算をさせようとしても、知らないからできない、と言うことです。

これらの性質から、弱いAIと言われます。

人間のように、あらゆる種類のタスクを行うことができるAIのことです。

特化型AIとの決定的な違いは、自ら学ぶという点です。

これまで見たことない課題があっても、それまでの経験から考えてやってみる。人間のような知能を持つのが、汎用AIです。

特化型AIと比較され、強いAIと言われます。

名前の通り、教師=教えてもらうものがある学習方法です。

例えば、りんごの画像とぶどうの画像がたくさんあるとします。

その一つ一つの画像に、りんごであるかぶどうであるかラベルが貼ってあります。

そのラベルと外観をもとに、学習するのが教師あり学習です。

その中でも、回帰と分類という種類があります。

回帰は、連続する数値を処理するようなタスクです。

例えば、何日分かの気温のデータがあり、次の日の気温がどうなるか、などを推論することができます。

分類は、さっきのりんごとぶどうのタスクのように、物事を分類するものです。

教師なし学習

さっきの教師あり学習とは違って、教えてもらうものがない学習方法です。

さっきの例で言うと、りんごの画像とぶどうの画像がたくさんあって、その外観をもとに学習する、と言うことです。

人の手によるラベル付けが不要なため、ネットのそこらへんに転がってるデータをそのまま使うことができます^[1]。

他にも、複数の学習方法がありますが、少し難しいのでまた説明することにします。