人工知能ブームに思うこと
囲碁のトッププロにGoogle DeepMind ”AlphaGo” が勝利したニュースは、大きく報道されました。 しかし、私はこのニュースよりもコンピューターがオランダの画家レンブラントが描いたかのような絵画を描いた事が衝撃でした。 私は高校生の頃、レンブラントやフェルメールの絵を見て日本では江戸時代の初期に、ヨーロッパではこんなにも鮮やかな色彩の絵画を描いていたのかと興味をもったものです。 そして最近まで、この領域はコンピュータには入り込めないと信じていました。 想像を超えているディープラーニングの威力に脅威を感じています。
出処： https://www.nextrembrandt.com/
ディープ・ラーニングの勉強を始める前に、今現在の私の知識を整理してみます。
1. 機械 学習 の 定義
ある タスク T を 解き、 その パフォーマンス 測定 を P で 行う こと を 考える 機械 学習 とは 経験 E によって P を 高め て いく 手法 の こと で ある
2. 機械学習で解ける問題のパターン
- 回帰 分析： 説明 し たい 量 を 他 の 量 を 用い て 表現
- 時系列 分析： 注目 する 量 の 時間 的 な 変化 を 表現
- 判別 分析： 与え られ た データ が どの クラス に 属する か 判定
- 自動 操作： ゲーム の 攻略 や ロボット の 行動 制御 を 非 明示 的 に 自動 化 •特定 パターン の 発見： 大量 の データ から 特定 の パターン を 発見
-
強化学習
- レコメンド（推薦）
- クラスタリング 分析： データ を ある 規則 に従って クラス 分け
- 最適化 分析： 制約 条件 を 満たす よう 目的 の 量 の 最大値 最小値 を 算出
3. 機械学習のパターン
- 教師あり学習
- 教師なし学習
- 半教師あり学習
- 強化学習
まだ、AI、深層学習、機械学習の定義を大掴みでしか理解していません。 ディープ・ラーニングを書籍「フリーライブラリーで学ぶ機械学習」を参照しながら学んでいくことにしました。
