AI人材育成講座受講記録_Day4_機械学習入門
イントロダクション
4日目。
機械学習入門、いよいよ本格的にAIについて学ぶ時が来たということでやや緊張気味の受講でした。
質問回答
どのくらいの量と質のデータを集めればいいかは、繰り返すうちに相場感が身についてくるものなのか？
まずは解決したい課題を選定。それと関わりがありそうなデータを考えうる限り全て収集する。
仮説の検証に必要なデータ量の基準というものあるのか？
有意水準やデータのばらつきによって最適なデータ量は変わってくる。
判断は難しい。
講義本編 機械学習入門
機械学習（Machine Learning）とは、コンピューターが大量のデータを分析して、パターンや規則性を見つけ出す技術。 統計学を利用してプログラム化したもの。
AIと人間の脳、知能という言葉が意味するもの
優れた料理人でも一般人でも見ているものは同じだが、見て考えることや運動が変わってくる。
プロと一般人で見ているものは異なるかもしれない。
どんな行動においてもインプットとアウトプットがある。
AIは人間の脳の再現がスタート、人間の模倣を行うアルゴリズム(関数)。
アルゴリズムとは 頭の中で働いているもの。
極論を言うと、人間を作りたい。
人間の模倣を目指したときにぶつかる問題
→「知能とは？」
課題のための解決を行い、学習すること
強いAIと弱いAI
強いAI：人間のような自意識や知能を持ち、高度な判断を行う事が可能なAI
弱いAI：知能を持たず特定の分野の問題のみを解決することが可能なAI
強いAIはドラえもんをイメージすればOK。
講座で取り扱うのは弱いAI、課題解決に直結したものができる。
複数の弱いAIを束ねるAIもある。
参考：計算論的神経脳科学
AIの正体は複雑な関数
例として、りんごの画像認識。
画像は小さいピクセルそれぞれにRGB情報を持つ。
点数の定義を決めて、しきい値を超えたら不合格 のような関数で判断する。
人間の網膜の代わりに、イメージセンサーが読み取ったRGBの数値から点数を出す。
関数の係数を変えると、出てくる値も変わる。
説明変数と目的変数
説明変数：AIに説明するもの、インプット 例）りんごの鮮やかさを数値化したもの
目的変数：AIが出力するもの、アウトプット 例）りんごの合否判定
モデルとは？
人間の判断基準を機械的に持つこと。
例：りんごの良品不良品の画像判定において、合否の線引きを機械的に行える仕組み（関数）
AIの種類
教師あり学習
入力と出力のデータセットを使って学習。教師なし学習
入力と出力が無いデータを使用して、構造やパターンを学習強化学習
環境からの報酬を最大化する行動を学習
種類の使い分け
どういう場合に教師ありと教師なしを使い分けている？
基本は教師あり学習から考える（十分なインプットアウトプットのデータセットが存在していればOK。教師ありで対応できないときに教師なし学習が選択肢に出てくる。 精度が良いからという理由ではない。
強化学習のイメージ
箱で入口を塞げばいいんだ！ とか Ramp（傾斜）パーツを使えば良いんだ！ と気づくのではない。思考をしていないから。試行はしている。
無限回のシミュレーションの中で目的を達成できる可能性が僅かに上る行動を繰り返しているだけ
強化学習を講座内で取り扱うかは不確定。実例は自動運転 ロボット制御（デジタルの中でシミュレーション）シミュレーションのAI。
アルゴリズム別 学習の種類
機械学習を起点に、教師ありなし・強化学習に分かれる。
3つそれぞれに学習の方法があり、教師あり学習の場合は「ロジスティクス回帰」「サポートベクターマシン」、教師なし学習の場合は「クラスタリング」などがある。
まとめ
分かったこと
AIは強いAIと弱いAIに分類される。
機械学習における学習方法は大きく3つに分かれる。
分からなかったこと、疑問点
知能とは？→哲学を突き詰めた先に知能を持ったコンピューターに行き着くのか？
強いAIと弱いAIの違いのところ。
強いAIの定義が「人間のような自意識や知能を持つ」ならば現在存在しないと考えるのが自然だし、実現可能なものなのか？（人間にせよAI自身にせよ、他者によってアルゴリズムを作られた存在がAIである以上自意識とよんでよいものなのか）深層強化学習とDeep Learningはどう違うのか？