『絵でわかる人工知能』

古典的AI

古典的AIの試みは知能の本質(思考能力)をまず一気につかもうとした。
1950年ごろから用いることが出来た大きな基盤は形式理論でした。

1950年代にパーセプトロンという形にされ
1980年にネオコグニトロンを経て

ディープラーニングへ繋がる
これはコネクショニズムと呼ばれるニューラルネットワークのような接続回路によって人工知能を実現しようとする流れと言えます。

ディープラーニング

ディープラーニングはニューラルネットワークの一技術

ニューラルネットワークにデータを流し込めば特徴が勝手に抽出されるイメージ

畳み込みニューラルネットワーク(コンボリューショナルニューラルネットワーク)を人間の脳の視覚野を参考に発展させたのが

ネオコグニトロン。

機械学習

人工知能における学習を機械学習という。

単にプログラムされたものでなく機械自体が学習する。

人間は混乱したものの中から新しい考え方を生み出すことができる。考え方自体を生み出すことは人間らしい創造性。

遺伝的アルゴリズム

遺伝的アルゴリズムはダーウィンの進化論をモチーフにしたAI。

ニューラルネットワーク、エキスパートシステムと並びAI御三家の一つと称されるAIモデル

遺伝的アルゴリズム
優秀な個体＝いい解答
とする。

いろいろと考えた中でいちばんいい解答を解答とする。

人間の脳を真似る人工知能

ディープQネットワークはディープラーニングと強化学習の一つのQラーニングを組み合わせた手法

DQNという(笑)

いろいろなゲームに対応でき汎用人工知能としての可能性を示した

ネオコグニトロン

手書き文字認識などが得意

ミラーニューロン

人間は自分が実際に行う模倣学習に長けている。

ニューラルネットワーク NN

ニューロン同士がバケツリレーのような連携行動をとる。

現時点では特定の問題だけに特化した学習しか行えない。＝弱いAI

NNで作るAIをコネクショニズム、記号によって人工知能を作ろうとするアプローチはシンボリズム。

パーセプトロン

ディープラーニングの元祖。
1949年　心理学者ヘッブはシナプスの前と後で同時に神経細胞が興奮するときシナプス効率は強化されるといった。

＝ヘッブ則、ヘッブの学習則

梅干しと聞いて酸っぱい気持ちになる

シグモイド関数

ニューロンの数理モデルにおいて発火条件を決める

どんどん信号が入力されニューロン内の電位を上げていくとある値で数値が大きくなる。
→ニューロンの特徴

ホジキンハクスレー方程式

データマイニング

まとまったデータから読み取れる隠された性質をデータ解析技術で明らかにすることをデータマイニングという。

協調フィルタリング

データマイニング技術の一つ

イーターネット商品のリコメンドシステムに使われる。

クラウド上の人工知能

街に入る為にセキュリティゲートを通るかも

安全は監視と引き換えとなる

ゲームAI

人工知能は人間のように現実世界を解釈して意思決定し、運動する

そのために、知識形成、意思決定、運動形成が必要

人工知能が活躍するには難しい問題がある
シンボルグラウンディング問題、知識表現の問題、フレーム問題、心身問題。

ゲームという限られた箱庭の中に人工知能を閉じ込めて問題を直面させたのがゲームAI

ボードゲーム型とデジタルゲーム型に分かれる

人工知能さまざまな形

役割を与えられた人工知能をエージェントと言う

エージェント同士を協調させることをマルチエージェントという

カオス

病気のときはカオス的な振る舞いがなくなる

正常である＝カオス的に揺らいでいる

突拍子もない考えやひらめきはカオス的なゆらぎの最終的な効果？

人工知能ブームについて

人工知能を定義することは難しい

故に柔軟でもある。

以上、ただのメモでした！