人口知能について。
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
機械学習とディープラーニングの位置づけ
- 「人工知能」→「機械学習」→「ニューラルネットワーク」→「ディープラーニング」
機械学習の限界
- 機械学習には限界がある
- 「特徴量（学習データのなかで着目すべき、学習または予測の手がかりとなる変数）」の準備が困難
- 質のよい特徴量を準備するためには、以下を整える必要あり
①データの欠損値、外れ値、異常値を削除・補填・補正する
②文字列データをダミー数値に変換する
③データを結合・分割・集計する
④必要な列を選別し、不要な列を削除する - 上記のような前加工のプロセスが困難
ディープラーニング
- ディープラーニングでは、精度の高い結果を導くために必要な特徴量をデータから自ら抽出することができる
- ディープラーニングでは、”各領域の明暗”から、”対象物を分類するための詳細な特徴量”まで、自ら認識できる
- ディープラーニングは、機械学習の手法のひとつ
- ディープラーニングは、データから特徴量を自動的に導き出せ、人間によるデータ前加工の労力を削減できる
- ディープラーニングのアルゴリズム→「ニューラルネットワーク」
- 「入力層」・「隠れ層（中間層）」・「出力層」
- 入力層：外部からのデータを受け取る
- 隠れ層：ネットワークに入力されたデータから、識別に必要な特徴量を導き出す
- 出力層：予測結果を出力する
- 学習プロセスのなかで、経路の構造・性質は正解を導き出せるよう変化し、最適化される
