Google生成AI学習 Vol.1

Google生成AI学習コースが無料ということで少しずつ勉強をしていきたいと思います！これから、学んだことをnoteを使ってアウトプットしていきます。僕のペースで勉強をしていくので投稿頻度はまばらになります。それでは、始めていきます！

はじめに

生成AIの入門のYouTube動画で人工知能とは何かについて学習していきたいと思います。

人工知能の定義

人工知能（AI）は、コンピューター科学の一部で、物理学などの他の学問と同じように、特定の目標に向かって深く掘り下げていきます。その主な目的は、理論と方法を提供して機械が人間のように思考し、行動すること。

これを実現するために、AIシステムが論理的な推論をする、新しい知識を学ぶ、自律的な行動をするなどの能力を持つAIエージェントを設計・構築します。

人工知能の一分野として、機械学習があります。機械学習とは、大量のデータを用いて機械が学習するためのシステムやプログラムを作る領域です。この学習によって、コンピュータは人間が明示的にプログラムを書く事なく、新たな情報を学び取ることができるようになる。

その結果、機械学習モデルは、入力データをもとに予測できることができます。機械学習は大きく分けて教師あり学習(supervised learning)と教師なし学習(unsupervised learning)の2つのカテゴリーがある。

教師あり学習と教師なし学習

教師あり学習(supervised learning)

教師ありの学習モデルは、事前に定義されたラベルやタグが付けられたデータを使う。たとえば、あるレストランのオーナーが過去の注文履歴からチップの予測値を計算したいと思っているとする。

彼が使う教師あり学習モデルは、以前の注文の総額とそれに対応するチップの金額から学習します。つまり、このモデルはすでにあるデータからパターンを学習し、新しい注文に対するチップの予測値を計算する。

教師なし学習(unsupervised learning)

教師なし学習モデルは、ラベルやタグが付けられてないデータを扱います。この場合、目的はデータ内の潜在的なパターンや構造を発見すること。たとえば、同じレストランのオーナーが従業員を彼らの在職期間と給与に基づいて分類したいとします。

彼が使う教師なし学習モデルは、これらの特性に基づいて従業員を自然にグループ化します。この場合、モデルは指定されたラベルやカテゴリに基づく学習ではなく、データ自体から関連性や共通性を見つけ出します。

Deep Learning と Generative AI

Deep Learning

Deep Learningとは、人工知能（AI）の一分野で、人間の脳が情報処理する仕組みを模倣した人工ニューラルネットワークの一種。特に、多層のニューラルネットワーク（深層ニューラルネットワーク）を用いることから、「ディープ（深い）」という名前がついています。

Deep Learningは、大量のデータからパターンを自動的に学習する能力を持っています。例えば、画像認識、音声認識、自然言語処理などのタスクにおいて、ディープラーニングは人間並み、またはそれ以上の精度を達成することができます。

Generative AI

Generative AIは、Deep Learningの一部で、人工ニューラルネットワークを使い新しい情報やデータを自動的に生成するAIのこと。このGenerative AIには、大規模言語モデルも含まれています。

そして、Deep Learningモデルや機械学習モデルは、主にジェネラティブモデル（新しい情報を生成するモデル）と識別モデル（情報を分類するモデル）の2つに分かれる。

ジェネラティブモデルと識別モデル

ジェネラティブモデル

ジェネラティブモデルとは、元となるデータセットの特性を学習し、それを元に新しいデータを生成します。これは、特定のテキストを元に新しい返答を作ったり、新たな画像や音声を作り出す場合に使われます。

識別モデル

識別モデルとは、すでにあるデータ（通常はラベルが付けられている）を元に、新しいデータのラベルを予測する役割を持っています。例えば、ある画像が猫なのか犬なのかを判別する場合に使われる。

Generative AIの定義

Generative AIとは、元データから学習し、その知識を使って新しいコンテンツを作り出す人工知能のことを言います。この過程をトレーニングをいい、統計モデルの作成につながります。

例としては、大規模言語モデルがあります。これは、自然な表現を使って新たなテキストを生成します。他にも、画像生成AI、音声生成AIがあります。つまり、Generative AIとは、「学んだ知識を元に新しいものを創りだす」コンピュータということ。

TransformersとGenerative AI

Transformersモデルは、2018年に自然言語処理分野に大きな変革をもたらしました。このモデルはエンコーダーとデコーダーの二つの部分から成り立っており、エンコーダーが入力情報を符号化し、それをデコーダーに送ります。

そしてデコーダーは、特定のタスクに関する情報を解読する方法を学習します。このTransformersモデルの進化は、言語モデルの新たな可能性を開拓し、Generative AI、つまり創造的なAIの力を引き出す原動力となりました。

エンコーダーとデコーダーについて分かりやすく説明

エンコーダーとデコーダーの関係は、秘密のメッセージを作る人と、そのメッセージを解読する人の関係に似ています。

エンコーダーは、情報を特殊な形に変える役割を果たします。この役割は、友達に秘密のメッセージを作って送るのに似ています。例えば、「こんにちは」というメッセージを、「2-4-8-5-6」という数字に変えるようなことをします。この変換ルールは自分だけが知っています。

次に、この特殊な形にされたメッセージがデコーダーに送られます。デコーダーの役割は、その特殊な形になったメッセージを元の形に戻すことです。これは、友達が送ってきた秘密のメッセージを読んで理解するのに似ています。つまり、「2-4-8-5-6」が「こんにちは」だということを解読するのです。

Generative AIの応用

Generative AIは様々ところで使われています。例えば、コードの自動生成、自然言語の処理、画像や音声の作成など、色々な用途で使えます。Google Cloudでは、Generative AIを使ってアプリケーション開発をサポートする様々なツールが提供されています。

まとめ

Generative AIは、すでにあるデータから学習して新しいコンテンツを生成する人工知能のこと。大規模言語モデルは、自然な言語を生成することができるGenerative AIの一例です。

Generative AIには、コード生成、自然言語処理、画像生成、音声合成などのさまざまな使い方があります。

僕自身ここまで自分で調べたときなかったのでかなり勉強になります！また、アウトプット記事を投稿するので良かった見てください！最後まで見て頂きありがとうございました！