AIの基礎知識【初心者講座～上級者講座】

脳科学、電子工学、神経工学などの研究分野に汎用型人工知能の利用が研究されています。

そして汎用型AIは、様々な機能や技術をコンピュータで実現して精度を高めていく必要があります。

人間と会話する能力、モノを判別する能力、情報を探す能力などの実践的なレベルまで進化しています。

さらにGAFA（Google、Amazon、Facebook、Appleです）は、

人間と会話できるコンピュータ技術である会話エンジンの開発を急いでいます。

ちなみに会話エンジンは、スマートフォンやパソコン、ロボット、自動車などの

様々なインターフェース（接続や仲介です）に応用する事ができるからです。

AIの基礎知識について

人工知能は、知能を関する計算機科学語です。

大きな特徴は、人間の脳と同様の機能をコンピューターや計算学を利用して実現するモノです。

 

●機械学習…機械自身がデータ解析して学習したモノを活用する技術です。

そして機械自身が、物事の特徴を見出して学習していく事です。

大きな特徴は、開発者が知らない事も機械が学習していく可能性がある事です。

具体例は画像認識、音声認識、会話分析技術、統計解析、未来予測分析などです。

●パターンマッチング…合致するモノを回答として抽出する仕組みです。

主に画像認証で活用されています。

●ニューラルネットワーク…人間と同様な方法で学習する仕組みです。

大きな特徴は、モノの特徴量を算出する方法です。

膨大な学習によって、分類する要素を機械自身が発見していきます。

●ディープニュートラルネットワーク…情報伝達と処理を増やす事によって、試行回数を増やす仕組みです。

中間層（特徴量を算出する部分です）を多層にしてニューロン数を増やす事で、

もっと深く考える事ができます。

さらに入力された情報は、入力層（感覚層です）で処理されて中間層の各ニューロンに伝達します。

中間層の処理後、出力層（反応層です）の各ニューロンに情報を伝達して

出力結果（回答です）を抽出します。

 

●バッグプロパゲーション…コンピュータが出した誤差を元に出力層側から逆に情報伝達して、

ニュートラルネットワークを学習させる手段です。

別名は、誤差逆伝播法です。

基本的にニュートラルネットワークの根幹技術として利用されています。

●ディープラーニング…ディープニュートラルネットワークで機械学習する仕組みです。

別名は、深層学習です。

大きな特徴は、汎用性に欠ける過学習を行ってしまう事です。

過学習は、ディープニュートラルネットワークをむやみに多層化して、

パラメータ数が多くなりすりすぎる問題が発生しやすくなる考え方です。

しかし最近は、コンピューターのスペックが向上した事や

ビッグデータが利用できるようになった事によって過学習を回避できます。

●ビッグデータ…データの量・種類・頻度などの複雑なデータ集合の事です。

 

●CNN…無関係な結合を切って関係性が高い結合を残す仕組みです。

別名は、畳み込みニュートラルネットワークです。

解析後に全てのニューロンに伝達する事で、無関係な結合を生みやすくする事ができます。

●RNN…時系列解析を行う動的データ対応のディープラーニングです。

別名は、再帰型ニュートラルネットワークです。

従来のニュートラルネットワークは、静的データの扱いに長けていて動的データが苦手でした。

今後は、自然言語会話に最適な仕組みです。

●静的データ…動きの少ないデータです。

具体例は静止画、テキスト、数値、統計データなどです。

●動的データ…動きが大きいデータです。

具体例は音声、動画、会話、ログデータなどです。