文系による人工知能超入門　第1回機械学習とディープラーニング

最近、ニュースや職場で毎日のように聞く人工知能。

人工知能って何？

機械学習とディープラーニングの違いは？

興味はあるけど分からなかった人工知能について数式無しで3回に渡り解説していきます。

----------------------------------------------------------------------------

《文系による人工知能超入門》(2017年12月27日時点での予定)

第1回：機械学習とディープラーニング

第2回：ディープラーニングと人工知能

第3回：人工知能と私達のこれからの世界

ボーナストラック：人工知能の本の紹介

-----------------------------------------------------------------------------

第1回にあたる今回は機械学習とディープラーニングを取り上げます。

★人工知能＞機械学習＞ディープラーニング★

機械学習もディープラーニングも人工知能を実現させるための手法です。

機械学習は機械＝コンピューターに学習させることです。

ディープラーニングは機械学習の一部です。

これからはディープラーニングを知る上で必要な機械学習について

掘り下げていきます。

★機械学習の分類★

機械学習・・・教師あり学習、教師なし学習、強化学習

(1)教師あり学習→人間がデータと正解をコンピュータに与えます

(2)教師なし学習→正解がよくわからないデータをコンピュータに与えコンピュータに何かしらの構造やルールを見つけさせます

(3)強化学習→コンピュータに試行錯誤させて人間が正解には得点を与え、失敗には罰を与えることによって構造やルールを学習させます(教師なし学習に近い)

＊ディープラーニングはコンピュータが自ら特徴量を作ります！！

補足：特徴量とは画像認識を例にすると『女性で眼鏡を掛けていて、背が低い』のが特徴だからこの人は長谷川だ。という『女性』『眼鏡をかけている』『背が低い』などの画像の中のどういう特徴を使うと正しい認識ができるかのパラメータです。

特徴量を人間が作るのが非情に大変だったのでこれは画期的なことです。

--------------------------------------------------------------------------------------

(おまけ)　余力のある方はどうぞ♪

ニューラルネットワークの「層」の数を増やすのでディープラーニング

補足：ニューラルネットワークは人間の脳の脳神経細胞のニューロンをコンピュータに模倣させているのでニューラルネットワークといいます。

比較：データマイニング→教師なし学習　

例：スーパーでおむつを買う人はビールを買う事が多い

＊データマイニングはマーケティングに用いられます

統計的手法はルール抽出後に関係(相関)を検証する方法であってルールを抽出する方法そのものではないです。

---------------------------------------------------------------------------------------
第1回終わり