「超」AI整理法 野口悠紀雄

「超」AI整理法

無限にためて瞬時に引き出す

著者　野口悠紀雄

発行所　株式会社KADOKAWA

2019年6月29日初版発行

 

猪名川町立図書館でお借りして、

第9章　AIはいかなる未来を作るか？

を読ませて頂きました（笑）。

1　人間が知識を持つ必要はなくなるか？

誰もが物識り博士になれる

有能な物識りをいつも連れて歩いているようなことになるので、

あるいは、誰もが物識り博士になることができるようになるので、

われわれの世界認識は大いに広がるでしょう。

知識が増えれば創造が容易になる

人間が新しいアイデアを発想するためには、

内部情報（頭の中に蓄積されている情報）と照合が必要であり、

それをたくさん持っている人ほどたくさんの発想ができるのです。

新しい情報に接したとき、それにどのような価値を認めるかは、

それまで持っていた知識によります。

新しい情報に接しても、知識が少なければ、何も感じません。

しかし、知識が多い人は、

新しい情報から刺激を受け、それを発展させます。

勉強が容易になり楽しくなる

音読が簡単に聞けるようになったことです。

それによって、外国語の勉強が容易になりますし、

興味を持ち続けることが可能になります。

2　AIの創造は人間の創造と違う

AIは文章を書けるようになっている

人間が文章を書く必要性はなくならない

人間が文章を書く行為は、AIが行っているように、

「さまざまなキーワードを組み合わせてありうる組み合わせを作る」

ということとは、本質的に異なるのです。

「マテリアルズ・インフォマティクス」について

ただし、この場合にも、問題の設定は人間の役割です。

また、どんなデータを使うかの決定も、

人間が行う重要な役割です。

過学習への対処では「人間の判断」が重要

機械学習は、

与えられた訓練データに関してだけ、結果を保証します。

モデルの汎化能力は、もともと保証されていません。

過学習は、機械学習における深刻で、かつ深遠な問題です。

過学習を防ぐ方法は「アドホック」

過学習を防ぐ方法は、

アドホックで、職人芸的なものです。

個別の問題に対してどのような手法が適切かは、

人間が決める必要があります。

過学習に対処するには、人間の判断が重要なのです。

3　ホレイショウよ。感動することはいくらでもある

ビーチ・ボーイズを聞かれてしまった！

知性を持ったスマートフォン？

私は本書の中で、AIという新しい技術を活用して、

仕事の効率を上がることを書きました。

それはもちろん素晴らしいことです。

しかし、Sloop Joint Bも、それに負けずに素晴らしい。

ここでハムレットの言葉を引用することにしましょう。

ハムレットが言っていないことも付け加えて。

ホレイショウよ。

この世の中には、

君が知らないことや、感動することが、

いくらでもある。

だから、人生は生きるに値する。

ホレイショウよ｜野口悠紀雄｜note

【ChatGPT活用】

マテリアルズ・インフォマティクス(Materials Informatics)とは、物質科学や材料工学において、情報技術を応用して材料開発を加速することを目的とした分野です。

従来、材料開発は試作品を作成して実験を行い、その結果から設計を繰り返していくことが主流でした。しかし、この手法はコストや時間がかかりすぎる上、全ての材料の試作を行うことは不可能です。このため、材料の特性を予測することができるモデルやシミュレーション技術が必要とされてきました。

マテリアルズ・インフォマティクスでは、材料の特性や性質を把握し、その情報をデータベースに蓄積することで、機械学習やデータマイニングなどの技術を用いて、新しい材料の開発を支援することができます。これにより、材料開発の効率化や新しい材料の発見が期待されています。

また、マテリアルズ・インフォマティクスは、材料の高度化や、持続可能な社会の実現にも貢献する分野であり、今後ますます注目されることが予想されています。

アドホックとは、ある特定の目的に対して臨時に行われる、一時的な対応や処置を指します。つまり、計画や準備をあまりせずに、必要に応じて即座に行動することを指します。

例えば、会議でのアドホックな発言というのは、予め用意していなかった意見や提案を、その場で思いついたままに話すことを意味します。また、コンピューターの世界でアドホックというと、緊急の通信や接続など、予め計画していなかった状況に対応するための一時的な対策を指すこともあります。

アドホックは、予期せぬ状況や急な要望に対応するための手段として活用されることが多く、常に準備しておくことが困難な場合には有用な手段です。ただし、計画性や体系性を欠くため、長期的な問題の解決には不向きな場合もあります。

過学習を防ぐためのアドホックな手法には、以下のようなものがあります。

1. データの拡張：データセットに含まれるデータを、回転・拡大縮小・反転などの操作を加えて増やすことで、モデルが訓練データに過剰に適合するのを防ぎます。

2. ドロップアウト：訓練時に、一部のニューロンをランダムに除外することで、モデルが訓練データに過剰に適合するのを防ぎます。

3. アンサンブル学習：複数のモデルを組み合わせることで、個々のモデルの誤差を補完し、汎化性能を向上させます。

4. 早期終了：訓練データに対しての性能がピークに達した時点で、訓練を終了させることで、過学習を回避します。

これらの手法は、モデルの学習においてアドホックに適用されることがあります。ただし、これらの手法は全て、特定の問題に対する解決策として用いられるため、常に適切な手法を選ぶことが重要です。

AIの学習が

どこまで進んでいるのか？

はわかりませんが、

人間には

人間の重要な役割があるよなぁ～

と思ったりします。

猪名川町・三田・川西・宝塚・伊丹のゴルフレッスン

    は、

「誰もが気軽にゴルフを楽しめるように」

真心を込めて、サポートさせていただきます。