近年最も社会で注目されていると言えるAI(Artificial Intelligence)について徹底的にまとめます。
table of contents
基礎編
※AIとは何か、基礎的な知識を紹介しています。既に学習済みの方は、読み飛ばしてより深い内容にぜひ入っていってください。
まず、AIを理解する最初のステップは機械学習です。
機械学習を理解するには、まず「モデル」が何か理解しましょう。
モデルとは？
モデルとは、「入力」を受け取って、「ルール」に従って処理をして、「出力」を出すもののことです。この３つの要素を持つものは全て「モデル」と呼びます。
例えば、オレンジのブロックで表されたモデルは、入力された数字を二倍しています。
この場合、
- 入力：数字 (x)
- 出力：入力の２倍の数字 (y)
- ルール：y=2x
と３つの要素を持っているので、これはモデルです。
他にも、犬の写真を入力すると、「犬」と答えることのできるものもモデルですね？
なぜならこの場合、
- 入力：犬の画像
- 出力：「犬」（写っている動物の種類）
- ルール：よくわからないけどルールがある。
の３つがちゃんと揃っていますね。
ML: Machine Learningとは？
ここで気になるのはルールです。一つ目のルールのように簡単ではなく、入力された写真から犬という答えを出すルールは難しすぎて想像もつきません。
ここで活躍するのが、機械学習です。機械学習を使えば、このルールを導き出すことができます。その手順をざっくりまとめます。
✔️ 機械学習のざっくり手順
- ぐちゃぐちゃなルールをまず作る。
- とりあえず入力を入れて、出力がどれだけ間違ってるか確認する （100問中5問正解、とか。）
- ルールを少しずつ変えては正解の数を確認して、より良いルールを探し続ける。
- そのうち100発100中のルールが見つかる。
DL: Deep Learningとは？
「ざっくり手順」をみてみると案外機械学習の仕組みの大枠は単純でした。でも、色々なモデルを機械学習を使って作る中で、課題が見えてきました。それは、場合によっては、最適なルールに辿り着くまで途方もない時間がかかることです。
社会に応用するためには、例えば１日とか、現実的な時間で最適なモデルを作れるようにしたいというニーズが出てきました。
こんな中、機械学習の処理速度を圧倒的に早めたのがDeep Learningです。
詳しく知りたい人はリンクに飛んでください。
※絶賛編集中、続編乞うご期待。更新時はtwitterでお知らせしています。
