Photo x Programming

写真家プログラマーKのIT効率化術

AIで使われる用語入門 (その2)

さて今日は、「AIで使われる用語入門 (その2)」というテーマでお送りします。

前回は、

  • 人工知能 (AI)
  • 機械学習 (Machine Learning)(マシンラーニング)

について説明しました。

今回は、続きの

  • 深層学習 (Deep Learning)(ディープラーニング)

です。

まずは、前回のおさらいです。

人工知能 (人間のような知的な働きをするもの) を実現するために、

人間が複雑なプログラムを組むのではなく、

コンピューターに大量のデータを与え、学習させるのが機械学習でした。

データさえ与えておけば、コンピューターが自動で学習してくれます。

人間が寝ている間も、コンピューターはどんどん自動で賢くなっていくわけです。

こういった特徴が「人間を制圧する人工知能コンピューター」的な SF が生み出されたり、

その危険性が学者の間でも議論に上がったりする原因にもなっています。

さて話を戻すと、

機械学習が与えられたデータから学習して作り出すモデルをより精度の高いものにするには

どういった学習をさせるのがよいでしょうか?

その一つの手法が、ディープラーニングです。

■深層学習 (Deep Learning)(ディープラーニング)

ディープラーニングは、その訳「深層学習」の通り、

層が深い学習です。

多段的な学習といってもよいかもしれません。

例えば、画像に猫が写っているかどうかを判定する人工知能を作る場合。

まず、猫が写った画像データを大量に学習させ、

猫が写っているかどうかを判定する基準 (モデル) を作ります。

その際に、入力した画像データを、ただ単に一つの画像データとして学習するのではなく、

ある層では、明るさについて、

ある層では、色について、

ある層では、形について、

と多段的な判定を行い、それぞれの判定結果をどのようなバランスで組み合わせると

より正解率が上がるかということを繰り返し、学習を進めていきます。

猫の写真は様々な明るさで撮られますし、

猫の色は様々ですし、

写っている猫は全身かもしれないし、顔のアップかもしれません。

多段的に判定基準を作っていくことで、複雑な判断をできるようになり、

より正確に猫写真を判定できるようにます。

耳が 2個あって、目が 2つあって、鼻があって、髭があって、足が 4本あって、尻尾があって、全体的に丸みがあって、

白かったり、黒かったり、茶色だったら、おそらく猫だろう、

というような判断をするわけです。
(コンピューターは、目とか鼻とかいう概念は持ちませんが。。)

もし、尻尾が写っていない画像でも、他の判断基準から、たぶん猫だろう、

と判断できるモデルが、ディープラーニングでは作れます。

○ ○ ○

2日間に渡って、簡単に、

  • 人工知能 (AI)
  • 機械学習 (Machine Learning)(マシンラーニング)
  • 深層学習 (Deep Learning)(ディープラーニング)

について説明しました。

人工知能 ⊃ 機械学習 ⊃ ディープラーニング

という準備に、概念が具体的になっていきます。

大まかには伝わったでしょうか?

ここまでの説明で分からないようであれば、

いまブームなっている人工知能は、ほぼ 100% 機械学習を使っていて、

いまブームとなっている機械学習は、ほぼ 100% ディープラーニングを使っているので、

大まかには全部イコールで考えてしまってよいです。

Facebookでコメントする