機械学習について。
目次
AI・ディープラーニングの全体像
- 人工知能
- 機械学習
- ディープラーニングの基本・応用
- ディープラーニングの研究
- AIプロジェクト
- AI社会実装に伴う法律・倫理
機械学習の基本的な仕組み
概要
- アーサー・サミュエルが、最初の機械学習プログラムを開発
- 機械学習とは、「明示的にプログラムしなくとも学習する能力をコンピュータに与える研究の分野」としている
- 大量な学習データをもとに、法則・パターンを自動的に見出す（⇔ルールベースAI）
- 人間があらかじめ明確なルールを与えなくとも済むもの
- 「学習済みモデル」→学習のプロセスが完了した機械学習プログラム
- 答えが未知の新しいデータを入力したときに、満足できる精度で予測を出力することができることが理想
機械学習の活用イメージ
| 回帰予測 | 過去データに基づき、将来の値を予測 ※これまでの購買履歴から、来月の売上高を予測する ※商品ごとの売上数を予測し、在庫状況の最適化を提案する ※過去の株価の変動パターンから、将来の株価を予測する |
|---|---|
| 分類 | 各データの特徴に基づき、どのカテゴリに所属する可能性が高いかを判断 ※病気の有無、陽性陰性判定 ※スパムメールをフィルタリング ※ニュース記事を自動的にカテゴリ分けする ※農作物の品質や大きさを自動仕分けする ※商品をレコメンドするシステム |
| 異常検知 | 効果的な特徴量（電流値、温度、CPU使用率など）に基づき、通常と異なる挙動データか異常や故障を検知 ※データセンターや工場の製造ライン |
機械学習の実用化の要素
- ハードウェアの性能が向上した（PCの処理能力、GPUやクラウドの活用、ネットワークの低価格化と高速化）
- ビッグデータが蓄積されてきた
- アルゴリズムが改善された（予測精度の向上、解釈しやすいさの工夫）
- オープンソース（オープンソース言語としてPython言語での実装）
※Python→文法がシンプルで学びやすく使いやすい、専門性の高い特定の機能を集めたソフトウェア＝ライブラリ（データ分析、機械学習、画像処理、アプリ開発）が幅広い
