MBA最速独学カリキュラム⑦-1(AI超入門)

はじめに

独学カリキュラム⑦テクノロジーということで、AIについて考えてみます。私自身一行もプログラムを書いたことのないド文系だが、本を読むことで理解できたAI初歩中の初歩を、メモ程度に紹介したい。目次程度にお使い頂き、適宜ググっていただくのがオススメです。

参考書籍

人工知能とは?

私の定義では、人工知能は「人工的に作られた人間のような知能」であり、人間のように知的であるとは、「気づくことのできる」コンピュータ、つまり、データの中から特徴量を生成し現象をモデル化することのできるコンピュータという意味である。

松尾 豊「人工知能は人間を超えるか」, 2015年, p.44

「人工の知能は、原理的にはすべてコンピュータで実現できるはずだ」というのが、科学的には妥当な予想である。そして、人工知能はもともと、その実現を目指している分野なのである。

松尾, p.43

AIブーム(第一次〜第三次)

AIは過去から何度かブームが起きては消えており、現在が3回目のブーム(ブームで終わらない可能性極大)です。

第一次「推論・探索の時代」(1956〜1970)

推論:知識を組み合わせて新たな知識を生み出せる(例:将棋の打ち手)

探索:新しく得た知識を早く実現する手法(例:打ち手を早く考え出すことができる)

まとめると、

推論・探索の手法は、環境と状態が知識として与えられたときに、取るべき行動(新しい知識)を推論し、そこから実際どの行動をとるのが最善なのかを探索するもの。

巣籠 悠輔「ビジネスパーソンのための人工知能入門」, 2018年, p.41

第二次「知識の時代」(1980〜1995)

・人工知能に大量の知識をインプットするアプローチ(例:いくつかの質問によって病気を診断するシステム)。

・問題点(限界)は3つ。

  • 知識を大量に記述できない、
  • 必要な時に必要な知識を取り出すのは難しい(フレーム問題)
  • 記号と意味を結び付けられない(シンボルクラウディング問題)

第三次「機械学習・ディープラーニングの時代」(2000〜現在)

次で紹介します。

機械学習

・機械学習は人工知能のプログラム自身が学習する仕組み

学習とは分けること。分ける作業はつまりYesかNo問題

「教師あり学習」、「教師なし学習」、「強化学習」の主に3つに分けられる。

教師あり学習:入力と出力(正解)のセットを与える(例:手書きの数字認識)

教師なし学習:入力データのみを与える。データのパターンやルールを抽出するのが目的。

強化学習:与えられた環境で、ある状態の時に、どのような行動を取れば良いのか学習するというのが基本的な考え方。行動の結果を報酬(スコア)で定義し、自分で学習していく(例:自動運転、ロボットの自立歩行)。

・ただし、特徴量の設計(特徴をつかむこと)は人間が行う必要があり、それにより精度が全然変わってくる(職人技に近い。これが旧来の機械学習の限界)

ディープラーニング(深層学習)

ディープラーニングは機械学習の一部多層のニューラルネットワーク。2010年代より本格化。ブレークスルー。

特徴量の設計をコンピュータが自ら行う(見つけ出す)ことができるようになった(これがブレークスルー!)。例えば画像認識だと、コンピュータが自分でネコの特徴(ネコという概念)を見つけ出し、ネコを認識できるようになる。

ディープラーニングの登場は、少なくとも画像や音声という分野において、「データをもとに何を特徴表現すべきか」をコンピュータが自動的に獲得することができる可能性を示している。簡単な特徴量をコンピュータが自ら見つけ出し、それをもとに高次の特徴量を見つけ出す。その特徴量を使って表される概念を獲得し〜後略。

松尾, p.173

おわりに

AIについて超ざっくり理解することを目的に本記事を書きました。本記事は目次程度に使っていただき、1冊入門本をお読みいただくのがベターかと思います。入門を理解した後は、下記の書籍が実践的で面白かったです(頭が壊れそうでしたが)。同時にAIは数学の知識が必須なので、そちらも下記で勉強しました。あとは、プログラミングを少しやってみようかと思っています。

スポンサーリンク
レクタングル大