AI・ML・DLとは？
- 人工知能とは何か？
- Machine Learningとは
- Deep Learningとは
それらはどのように関連しているのか？
AIです。 MLとDLはお互いに関連しています。 AIは、MLとDLのスーパーセットです。 私たちがMLやDLの分野で行っていることは、すべてAIの下にあります。
AIとは
- 人間が行う知的作業を自動化する取り組み
- AIとは、人間のような知能をシステムが発揮できるようにする技術のこと
- 人工知能と自然知能は非常によく似ています。
AIはどこで使われているのか
現在、AIは主にあらゆる業界で使われています。 Amazonで商品を購入したり、Googleニュースで記事を読んだり、Netflixを見たり、Googleフォトで思い出を保存したりと、日常生活の中でAIを利用しています。 私たちはAIに囲まれており、私たちの生活をより良くするためにAIを利用しています。
Googleの製品を使った 機械学習
- Googleフォト。 タグを使って写真を検索したり、人の顔を認識して似たような写真をまとめて整理したり、画像の品質を向上させたり…
- Google翻訳。 ある言語から別の言語への翻訳。
- Youtube。
- Youtube：視聴したビデオに基づいて、おすすめのビデオを提供する。
- Google Lens：異なる情報を検索する。
- Google Assistant: AI会話エージェントで、「Ok, Google」や「Hey Google」と呼びかけるだけで多くのことができるようになります。
- Gmail：音声認識の代表例です。
記号的AI(または古典的AI)とは
人間の知識を事実と規則で明示的に表現しようとするAI研究の一分野である。
例：初期のチェスゲームは、私たちのPCにハードコードされており、私たちと対戦することができます。
ここからが本番です。 機械学習
さて、MLとは一体何でしょうか？
アートとサイエンスの:
- コンピュータに学習能力を与える
- データから意思決定を行う
- 明示的にプログラムされていなくても
古典的学習と機械学習の比較
伝統的なプログラミングや古典的なプログラミングでは、ルールを決めてそれを実行していました。 私たちは、一連のルールとデータをソフトウェアに与え、それに基づいて関連する答えを与えていました。 私たちは、特定のタスクを実行するソフトウェアをハードコーディングしています。 しかし、機械学習はこれまでのやり方を変えます。
なぜ機械学習なのか
- 世界的に大きな需要がある
- データは力だ
- すごく楽しい
機械学習は、私たちの生活を豊かにしてくれます。
High-Level Overview to Perform Machine Learning
We need,
- Input Data Points
- Examples of the expected output
- アルゴリズムが「良い仕事をしているかどうか」を測定する方法です。
例です。
- 入力は点の座標です。 は点の座標です
- 期待される出力は点の色です
- アルゴリズムが良い仕事をしているかどうかを測定する方法は、以下のようになります。 例えば、正しく分類されているポイントの割合です。
MLの3つのタイプ
- 教師付き学習（Supervised Learning）。 ラベル付きデータを利用するもの
- 教師なし学習（Unsupervised Learning）。 ラベルのないデータを利用する
- 強化学習。 ソフトウェアエージェントが環境と相互作用する
MLについての詳しい情報はこちらをご覧ください https://medium.com/codingurukul/understanding-machine-learning-114e85cd3f0e
Deep Learningとは？
Intro
です。
- MLのサブフィールドです
- データから表現を学習するための数学的フレームワークです
- データの表現を多段階で学習する方法です。
- 「ニューラルネットワーク」を使用し、異なる層を重ねることで、データに対するより深い洞察を得ることができます
- 人間の脳の働きと同じように機能します
なぜ深層学習なのか？
- ハードウェア
計算能力の向上により、私たちは簡単に深層学習タスクをより高速に実行できるようになり、より短時間で深層学習モデルをトレーニングできるようになりました。
GoogleもTPUを使って、Nvidia Titan XのGPU10個分以上のスピードで深層学習タスクを実行しています。
- データセット
インターネットの普及に伴い、深層学習に利用できるデータが大量に収集されています。
- アルゴリズムの進歩
機械学習のコミュニティが増えたことで、Deep Learningのアルゴリズムにも多くの進歩が見られます。
ニューラルネットワーク
Deep Learningは、ニューラルネットワークの助けを借りて行われます。 ニューラルネットワークは、人間の脳の働きと同じように機能します。 下の写真は、生物学的なニューロンと人工的なニューラル ネットワークの類似性を示しています。
ニューラルネットワークは、人間の脳の働きと同じように、さまざまな層を積み重ねて作られています。 は、ニューラルネットワークがデータから表現や複雑な特徴を学習するために、様々な層を重ねて作られています。
例を挙げます。
この例はMNISTデータセットからのものです。 ここでは、画像を渡すと、データの異なる表現や複雑な特徴を理解するためにさまざまな層を通過し、基礎となる結果を予測します。 画像の分類は、Convolutional Neural Networksの助けを借りて行われます。
Deep Learningの詳細を理解するには、私たちに従って、https://medium.com/@patidarparas13/what-is-deep-learning-efa0cfbbd6a2
DLが解決したこと。
- 人間に近いレベルの画像分類
- 人間に近いレベルの音声認識
- 人間に近いレベルの手書き文字の転写
- 機械翻訳の改善
- 音声合成の改善
- GoogleアシスタントやAmazon Alexaなどのデジタルアシスタント
- 人間に近いレベルの自律走行 広告ターゲティングの改善。
- ウェブでの検索結果の改善
- 超人的な囲碁のプレー
DLは何が違うのか？
Feature Engineeringです。 機械学習のワークフローにおいて最も重要なステップであったものを完全に自動化しているからです。
