AIをより賢明に活用し、その影響を適切に管理するためには、不可欠な基礎知識を解説いたします。
AIがどのように機能し、どのような原理に基づいて動作しているかが分かると思いますので、AIをより効果的に活用する事が出来るようになるとても大切な所です。
専門用語と言うか難しい用語もありますが、そのような所は意味を付け加えてありますが、意味が分からない所がございましいたら、お気軽にコメントをお願いいたします。
機械学習とは？
機械学習の定義と概要 機械学習とは、データを分析してその中からパターンやルールを発見し、学習する仕組みを持つコンピュータープログラムのことを指します。
具体的には、コンピュータが大量のデータをもとに機械学習内容を訓練し、新しいデータに対する分類や予測を自動的に行う技術です。
分類
新しい画像データを自動的に分析して、その画像が例えば猫なのか犬なのかを判別することです。
過去のたくさんの猫や犬の画像データを学習することで、新しい画像がどちらに属するかを自動的に判断できるようになります。
予測
過去の売上データを分析して、これからの売上を自動的に予測することです。
過去の売上の傾向を学習することで、新しい売上データが来た時に、それがどのくらいになるかを自動的に予測できるようになります。
人間が手作業で行うよりも効率的に分類や予測ができるようになります。
機械学習には主に3つの種類があります。
“教師あり学習”“教師なし学習”“強化学習”ですね。
これをそれぞれ、分かりやすく解説します。
教師ありの学習
入力データと正解の情報がセットで与えられます。
例えば、画像とその中にある物体の名前が一緒に提供されます。
これらのデータを使って、コンピューターが学習していきます。
つまり、正解が分かっているデータを使って計算するので、正確な答えを得られます。
教師なしの学習
正解の情報がないデータだけを使って学習します。
データの中に隠れているパターンを見つけ出すのが目的です。
クラスタ分析（データの中から似たようなグループ(クラスター)を見つけ出す手法）や次元削減などの手法を使って、自律的に学習していきます。
正解がわからないので、過去の分析結果と比較して判断することになります。
つまり、“教師あり”は正解がわかっているデータを使うので効率的に学習できますが、“教師なし”は正解がわからないので自分で学習していく必要があるのが違いです。
“次元削除”と言う少し難しい言葉ですので、説明いたしますね。
“次元削減”とは、何かの品物を調べる場合に、その品物にたいして何を調べたいのかによってデータが変わってきます。
そのようないろいろなデータの事を“高次元のデータ”と呼びます。
そして調べたい内容によって選んだ情報を“低次元データ”と言います。
高次元データから必要な低次元データをのぞいたデータを“次元削除”と言います。
“次元削減”では、この高次元データを、より少ない低次元データで表現することができます。
具体的には、データの中から主要な情報を抽出し、それらを組み合わせて新しい低次元データを作り出します。
これにより、求めるデータの内容や分析が容易になり、求める答えがわかりやすくなります。
強化学習
報酬を得ることを目標に、試行錯誤を繰り返しながら最適な行動を学習する方法です。
具体的には、エージェント(学習する主体)が環境と相互作用しながら、良い行動をすると良い評価がもらえるというフィードバック（添削）をしながら学習していきます。
つまり、正解を教えてもらうわけではなく(教師なし)、ただ良い行動に報酬を与えるというシンプルなしくみで、最適な行動を学習していくのが“強化学習”の特徴です。
これらの“分類”“予測”“自動学習”と言った3つの学習方式は、データの利用方法や目的によって使い分けられます。
この多様性が、機械学習が様々な分野で応用される理由の1つとなっています。
ミホのブログのお部屋
