ノーベル物理学賞とG検定①
いつも読んでいただきありがとうございます！
先週発表になったノーベル物理学賞にアメリカのプリンストン大学のジョン・ホップフィールド教授と、カナダのトロント大学のジェフリー・ヒントン教授の２人が選ばれました💡
２人ともAIの機械学習の草分け的存在な方です。
そこで今日は２人のうち特にジェフリー・ヒントン教授の功績がG検定の中でどのように取り扱われているか紹介したいと思います！
普段G検定の勉強をしていて「名前が覚えづらいなぁ～💦」といったことがあると思いますが、ノーベル賞をきっかけに是非関連付けて記憶に定着させてくれたらと思います✨
※この後紹介する内容は深堀すると非常に難しいので、G検定対策としては概念を抑えることに注力しましょう！
トピック①：ボルツマンマシン
1985年にジェフリーヒントンさんによってボルツマンマシンは発表されております。
下記動画の6:35～ボルツマンマシンが解説されています。
ちなみにボルツマンマシンの学習時間は非常に多くかかり実用的ではない点を解消した方法として制限ボルツマンマシンが提案されました。
トピック②：深層信念ネットワーク
深層信念ネットワークは、制限付きボルツマンマシンが複数層になっているモデルという点をおさえておきましょう。
トピック③：誤差逆伝播法
誤差逆伝播法は以前わかりやすい動画を紹介させていただきました！こちらもジェフリーヒントンさんの発明となります🧑🏫
トピック④：オートエンコーダー
ジェフリーヒントンさんが2006年に発表したモデルです。
オートエンコーダーの概念がわかりやすくまとまっている動画があるので
、是非下記の動画を見てみてください↓
画像のノイズの除去を行う事ができるので、異常検知問題にも用いられています！
トピック⑤：AlexNet
AlexNetはディープラーニングを用いたモデルです。2012年のIRLSVCの大会（画像認識の精度を競う大会）でAlexNetを活用して優勝しております。
AlexNet以前は画像から人間が特徴量を定義しなければいけなかったのですが、AlexNetでは人間が特徴量を定義せずモデル自体が特徴を抽出し、画像認識を行ってくれるようになりました。
本日の内容はここまでとなります。ノーベル物理学賞というホットトピックと関連付けて勉強すると非常に興味がわいてくるなと我ながら思いました💡次回はプリンストン大学のジョン・ホップフィールド教授の功績について紹介できればと思います！