人工知能(AI)
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
単語検索
|
最終更新
|
ヘルプ
]
開始行:
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfras...
-[[戻る>BI / AI]]
--[[ビジネス インテリジェンス(BI)]]
--人工知能(AI)
*目次 [#zb4a7047]
#contents
*概要 [#uf6f271b]
AI:Artificial Intelligence
**特徴 [#l919e54f]
-さまざまな発想とかアイデアが歓迎されるというジャンル
-社会に普及すると(高度化・複雑化すると)名前が変わる出世...
--名前がつかないうちは人工知能と呼ばれている(アルゴリズ...
--普及し始めると名前がついて、もう、それは人工知能と見な...
---例えば、Web検索、音声認識、顔認識、論文検索、自動翻訳...
---そのような単独の主要機能をもったシステムやアプリケーシ...
---[[強化学習 → 深層学習 → 深層強化学習>機械学習(machine...
-現状は人が持っているような汎用的な能力はまだ持ってい。
--特定のことしかできないが、
--特定の事は得意(例えば特定のパターンを見つける等)
**定義 [#q4c1e8cd]
人工知能の定義は「知性」や「知能」の解釈が~
研究者によって異なるため、専門家の間ですら異なる。
***学問・技術 [#qf1c32e0]
-人や生物からヒントを得てコンピュータの上でモデルを作る学問
-上記のモデルを活用した、知的な情報処理システムの設計や実...
-言語の理解や推論、問題解決などの知的行動を人間に代わって...
***知能の全体像 [#zdb6db19]
+パターン処理(身体性)
+記号の処理([[機械学習>機械学習(machine learning)]]、[...
+他者とのインストラクション
***モノ、プログラム [#v0f6dd7a]
-推論、認識、判断など人間と同じ知的能力を持つ機械
-周囲の状況(入力)によって行動(出力)を変えるエージェン...
***レベル [#f5873092]
-レベル 1
--シンプルな制御プログラム
--すべての振る舞いがあらかじめ決められており、その通りに...
-レベル 2
--古典的な人工知能
--探索・推論、知識データを利用することで、~
状況に応じて極めて複雑な振る舞いをする。
-レベル 3
--[[機械学習>#i0fb61e3]]を取り入れた人工知能
--非常に多くのサンプル・データをもとに入力と出力の関係を...
-レベル 4
--[[深層学習>#y422c54b]]を取り入れた人工知能
--[[特徴量>機械学習(machine learning)#t209d0ea]]と呼ば...
***[[弱いAI、強いAI>#y6b8833e]] [#xde78a1a]
*詳細 [#l81ff709]
**歴史 [#r0e1aab0]
***人工知能の誕生 [#d9fc46bd]
1943 − 1956
-「神経活動に内在するアイデアの論理計算」(1943)~
[[ニューラルネットワーク]]の基礎を築いた論文。
-世界初の汎用コンピュータの誕生(1946)~
アメリカのペンシルバニア大学で17, 468本の真空管を~
使った巨大な電算機、エニアック(ENIAC)が開発された。
-ダートマス会議 (1956)
--ジョン・マッカーシー、マービン・ミンスキー
---ジョン・マッカーシー:Artificial Intelligence(人工知...
---マービン・ミンスキー:
--アレン・ニューウェルとハー バード・サイモンは、~
ロジック・セオリストのデモンストレーションを行い、~
コンピューターを用いて数学の定理を自動的に~
証明することが実現可能であることを示した。
--学習のあらゆる面または知能の~
他のあらゆる機能は正確に説明できるので、~
機械でそれをシミュレートすることができる。
***第1回AIブーム [#e62ebfbb]
推論・探索の時代:1950年代 後半~1960年代(1956 − 1974)
-記号処理による推論と探索
-論理回路的ニューロン網
-パーセプトロン
***AIの冬第1期 [#qc25b067]
(1974 − 1980)
-学習しない。
-パーセプトロンの限られた能力への批判(1969、マービン・ミ...
-単純な特定の問題([[トイ・プロブレム(おもちゃの問題)>#...
--コンピュータの能力不足
--Intractabilityと組合せ爆発
--常識的知識と推論
--モラベックのパラドックス~
高度な推論よりも感覚運動スキルの方が多くの計算資源を要する
--[[フレーム問題>#bd2791da]]と条件付与問題
***第2回AIブーム [#mc0e87fb]
知識の時代(1980 − 1987)
-知識表現の獲得([[エキスパート・システム>機械学習(machi...
-日本政府が推進:第5世代コンピュータープロジェクト
-人工ニューロンによるコネクショニズムと[[誤差逆伝播法>深...
-パーセプトロンの限られた能力への批判の反省版(1987
***AIの冬第2期 [#j313f230]
(1987 − 1993)
-コンピュータ(主に[[エキスパート・システム>機械学習(mac...
-コンピュータの能力不足で知識表現の獲得はできなかった(知...
***第3回AIブーム [#k888a1c6]
機械学習・特徴表現学習の時代(2006 −)
-ディープラーニングの時代
-非線形[[サポートベクターマシン>機械学習(machine learnin...
-[[2011:IBMのWatson(ワトソン)>機械学習(machine learni...
-[[ビッグデータ]]から知識を獲得する[[機械学習>#i0fb61e3]]...
知識を定義する[[特徴量>機械学習(machine learning)#t209d...
--多層[[ニューラルネットワーク]]~
による本格的な[[深層学習>#y422c54b]]の登場~
--[[畳み込み、プーリング>ニューラルネットワーク#fb7864bd]...
--[[GAN(敵対的生成ネットワーク)>ニューラルネットワーク#...
-高速プロセッサ、ツールの充実
-[[2015:DeepMindのAlphaGo>強化学習(Reinforcement Learni...
***今後の可能性 [#v82ab155]
-現時点
--[[エビデンス・ベースド>統計解析#s2f2f17f]]
--[[データ・インフォームド>プロジェクト選定委員会運営#jf1...
--[[色々な難しさ>#a6b82222]]の解決。
-近未来
--Society 5.0
--社会構造の変化
--AIデバイド
--IntelligentからBrainy
--人工知能と人間知能の統合
---人工知能:機械・深層学習=経験と訓練
---人間知能:知識の系 → 教育 / 学習 → 形式知 / 暗黙知
-遠い?未来
--汎用人工知能
--Singularity
**動向 [#z8235974]
***探索・推論 [#p5d14485]
-探索木
--[[木構造の走査法>高度午前 - 基礎理論]]
---幅優先探索
---深さ優先探索
--用途
---迷路
---ハノイの塔
---ボード ゲーム
-ロボットの行動計画~
プランニングと呼ばれる技術(探索木ではないが状態遷移図を...
--STRIPS:Stanford Research Institute Problem Solver
---Nils Nilsson が開発した自動計画に関する人工知能の一種。
---後にそのシステムの入力に使う以下の部分から構成される形...
・初期状態 (Init)~
・目標状態の記述 (Goal)~
・行動 (Actions)~
・事前条件 (Preconditions)~
・効果/事後条件 (Effects / Postconditions)
--SHRDLU
---テリー・ウィノグラードによって実施された。
---コンピューターの中に仮想的に「積木の世界」を構成し、そ...
積木を英語で指示を与えることで積み上げたり下ろしたり動か...
-[[ボード ゲーム(オセロ・チェス・将棋・囲碁)>機械学習(...
***知的表現 [#m85363f5]
-人工無脳
--チャットボット、 おしゃべりボット
--知識なしでも知性があるように感じる
--特定のルール・手順に沿って会話を機械的に処理
--ジョセフ・ワイゼンバウム、イライザ(ELIZA)1964 - 1966年~
相手の発言をあらかじめ用意されたパターンと比較し、~
パターンに合致した発言があると、そのパターンに応じた発言...
-[[エキスパート・システムと知識ベース>機械学習(machine l...
***学習するAI [#m5caeddc]
AI自身が学習する仕組みに、[[機械学習と深層学習>#b57bfcb5]...
**問題 [#qab89e55]
***トイ・プロブレム [#q6f18407]
(おもちゃの問題)
-現実世界の問題は複雑過ぎてコンピュータで取り扱うことが難...
-そこで、
--本質を損なわない程度に問題を簡略化したものを考えた。
--コレで、問題の本質を理解したり、現実世界の問題に取り組...
-しかし、
--これらは非常に限定された状況で設定された問題で、
--普段直面するような現実世界の問題は、ずっと複雑だった。
-現在の人工知能では、~
まだ、このような問題しか解けない。~
と言う事が次第に明らかになっていった。
***フレーム問題 [#bd2791da]
-1969年にジョン・マッカーシーとパトリック・ヘイズが提唱した
>「今しようとしていることに関係のある事柄だけを選び出すこ...
>と言う、未だに本質的な解決はされていない人工知能における...
--ボードゲームなど、前提条件や、やること、その結果が限定...
現実世界で様々な状況に対応する場合、無限に考えてフリーズ...
--しかし、人間はあらゆる状況について無限に考えてフリーズ...
---これは人間でも発生し得るが、その場合、どこかで、中断で...
---アルファ碁などの特化型AIではフレーム問題を回避する方法...
-哲学者のダニエル・デネットは次のような例を用いてこのフレ...
「洞窟の中に、台車の上にはロボットを動かすバッテリーがあ...
ロボットは動くためにバッテリーが必要であるため、 洞窟から...
--ロボット1号:爆弾も一緒に持ち出して爆発~
洞窟からバッテリーを取ってくることに成功するが、~
バッテリーを持ち出すと爆弾も一緒に運び出してしまうことを...
時限爆弾も一緒に持ってきてしまい、爆弾が爆発する。
--ロボット2号:持ち出す方法を考え過ぎて爆発~
爆弾も一緒に持ち出してしまうかどうかを判断できるように、~
「自分が行った行動の結果、副次的に何が起きることを考慮す...
ありとあらゆることが起きる可能性を考え時間切れになり、 爆...
---「もし台車を動かしても、洞窟の天井は落ちてこない」
---「もし台車を動かしても、洞窟の壁の色は変わらない」(関...
---「もし台車を動かしても、洞窟の地面に壁に穴があいたりし...
--ロボット3号:持ち出す方法の方法を考え過ぎて爆発~
「目的を遂行する前に、関係のない事柄は考慮しないように」...
関係ある事柄とない事柄を仕分ける作業に没頭してしまい、~
無限に考え続け、洞窟に入る前に動作しなくなってしまう。」
---「洞窟の天井が落ちてこないかどうかは今回の目的と関係あ...
---「壁の色は今回の目的と関係あるだろうか」
---「洞窟の地面や壁に穴があいたりしないかどうかは今回の目...
-[[知識ベースのエキスパート・システム>機械学習(machine l...
--避けられない。
--生データからパターン抽出による知識獲得が必要。
--ナイーブベイズなどで知識獲得できるが...
***チューリング・テスト [#f2feb418]
(人工知能ができたかどうかを判定する方法)
-イギリスの数学者アラン・チューリングが~
人工知能ができたかどうかを判定するチューリング・テストを...
-別の場所にいる人間がコンピュータと会話をし、~
相手がコンピュータだと見抜けなければコンピュータには知能...
--知能をその内部のメカニズムに立ち入って判定しようとする...
外から観察できる行動から判断せざるを得ないという立場を取...
--また人工知能の判定基準として参照されるだけでなく、~
具体的なソフトウェア開発の目標にもなっている~
(精神科セラピストの役割を演じるプログラム、ELIZA)
-コンテストは毎年開催されているが、~
現時点でパスした会話ソフトウェアは存在しない。
***常識推論タスク [#t6314f1b]
[[チューリング・テスト>#f2feb418]]に代わるテストとして提...
常識推論(世界についての基本的な知識を用いて推論する)能...
-人間は自分を取り巻く環境の中で認識する一般的な概念を理解...
-文を作る能力の獲得は、人間が幼児から大人に向かって発達す...
-文を生み出すこうした生成的常識推論能力を機械が本当に獲得...
-最新の深層学習モデルは、90%程度の精度を達成できるように...
-ベンチマーク データセット - Commonsense.Run - 常識推論研...
https://commonsense.run/datasets/
--COPA:もっともらしい選択肢の選択:常識的な因果推論の評...
--WSC:照応解析で例えば以下の文中の照応詞“she”に対して“Ti...
When Debbie splashed Tina, she got wet.
***[[強いAI>#y6b8833e]]は実現不可能 [#xfeb1ab6]
-人の思考を表面的に模倣するような「[[弱いAI>#y6b8833e]]」...
-意識を持ち意味を理解するような「[[強いAI>#y6b8833e]]」は...
-チューリング・テストに合格しても本当に知能があるかは解ら...
--チューリング・テストを拡張した心がどこに存在するのか?
--コンピュータは記号操作を行っているだけで認知意味論を欠...
-「中国語の部屋」と言う思考実験~
チューリング・テストを発展させた思考実験で、意識の問題を...
心の哲学から、心身問題に対する立場の一つ、機能主義に対す...
--思考実験の内容~
部屋の中には中国語の質問に答えることができる完璧なマニュ...
部屋の外の人は部屋の中の人(≒ AI)が中国語を理解している...
-ロジャー・ペンローズ(数学者~
『皇帝の新しい心-コンピュータ・心・物理法則』
--意識は脳の中にある微細な管に生じる量子効果が絡んでいる...
--既存のコンピュータでは 「強いAI」は実現できないと主張。
***記号接地問題 [#f2b272c2]
(シンボル・グラウンディング問題)
-1990年に認知科学者のスティーブンハルナッドにより議論され...
-記号(シンボル)とその対象がいかにして結び付くかという問...
--[[フレーム問題>#bd2791da]]と同様、人工知能の難問
--「シマウマ」の例
---「シマウマ」と言う文字は、ただの記号の羅列に過ぎず、
---「シマのあるウマ」 ということは記述できる。
---初めてシマウマを見ても「これがあのシマウマだ」とは認識...
-現状の人工知能は、
--必ずしも記号と実態が結び付いておらず、言葉を理解してい...
--[[深層学習>#y422c54b]]を用いた画像認識も登場したが、人...
***身体性 [#kd11c451]
知能が成立するためには身体が不可欠であると考え。
-身体を通して得た感覚と記号を結び付けて世界を認識する。
-触った感覚や、験も含めて物体を捉えると言う考え方。
※ [[シンボル・グラウンディング>#f2b272c2]]が視覚だとすると~
身体性は視覚や触覚を含めた全てで物体をグラウンディング...
***知識獲得のボトルネック [#o8dacbc6]
機械翻訳が難しい理由は、コンピュータが 「意味」を理解して...
-「He saw a woman in the garden with a telescope.」~
一般的に、人間は、前者を想像する事が多い。
--「彼は望遠鏡を覗いて、庭にいる女性を見た。」
--「彼は庭で望遠鏡を覗いて、女性を見た。」
-恐らく、以下のような推測によって。
--望遠鏡は男性の趣味が多いだろう。
--庭に居るのは、恐らく女性だろう。
--庭からではなくベランダなどから望遠鏡を覗くだろう。
-人間の持っている一般常識は膨大で、
--コンピュータが知識を獲得することは難しい=知識獲得のボ...
--故に、一般常識の知識をコンピュータが扱うことは極めて困...
「[[統計的機械学習からニューラル機械翻訳>言語処理(AI)#m...
***特徴量設計 [#ubeaa11d]
-機械学習では「注目すべきデータの特徴」([[特徴量>機械学...
-機械学習は、特徴量として与えられたものを利用するだけで、...
-特徴量の選択は、相関関係があることを人間が発見し行うこと...
--正しい特徴量を見つけ出すのは一般に非常に難しいタスク。
--特徴量を機械学習自身に発見させるアプローチ(特徴表現学...
--[[ディープラーニング(深層学習)>深層学習(deep learnin...
---「特徴表現学習」を行うアルゴリズムの1つ。
---特に、[[CNNの特徴量マップ>ニューラルネットワーク#fb786...
***シンギュラリティー [#a77a05c5]
(技術的特異点)
-特異点というのは数学や物理学でよく用いられる概念で、~
ある基準が適用できなくなる点のことを指す。
-人工知能のコンテキストでのシンギュラリティーの仮説
--広義:人工知能が人間よりも賢くなること。
--狭義:人工知能が自身よりも賢い人工知能を作るようなった...
---無限に知能の高い存在を作るようになり、~
人間の想像力が及ばない超越的な知性が誕生する。
---0.9を何度掛けても1.0を超えることはないが、~
1.0を超えると、いきなり無限大に発散してしまうことと同じ。
---AI分野の「収穫加速の法則」(カーツワイル)。
-未来学者で実業家のレイカーツワイルの予測
--広義のシンギュラリティーが2029年頃
--狭義のシンギュラリティーが2045年頃
-超越的な知性を持った人工知能の誕生がもたらすかもしれない...
--宇宙物理学者のスティーブン・ホーキング~
完全な人工知能を開発できたら、それは人類の終焉を意味する...
--テスラやスペースXのCEOであるイーロン・マスク~
ペンタグラムと聖水を手にした少年が悪魔に立ち向かう話云々。
--マイクロソフトの創業者であるビル・ゲイツ~
私も人工知能に懸念を抱く側にいる1人だと、脅威論に同調
--倫理委員会
---Google~
ディープマインド・テクノロジーズ社を買収する際に、~
社内に人工知能に関する倫理委員会を設置。
---日本~
人工知能学会において、2014年に倫理委員会が設置
**数学との関連 [#c7fbb3d9]
学習・推論・判断に確率・統計が使用される。
-学習:判別ルール、判別器を作る。
-推論:判別器を使う。
-判断:データから総合的に判断。
***確率・統計 [#d68fd4d7]
-確率
--0 < 確率(P(A)) < 1
事象Aが起る場合の数
------------------------
起こり得る全ての場合の数
--事象
---積事象:共に起きる
---和事象:片方起きる
---余事象:共に起きない。
---排反事象:同時に起きない。
--試行
---独立試行の確率:確率の積
---反復試行の確率:独立試行の確率 * 排反事象の確率 * 組合...
--[[条件付き確率>ベイズ統計#v372de91]]
-統計
--[[統計解析]]
---[[記述統計>統計解析#z3664fb7]]
---[[確率分布>統計解析#efae792f]]
---[[推測統計>統計解析#q0a11bcf]]
---[[標本分布>統計解析#s5619cd9]]
--[[ベイズ統計]]
---ベイズの定理
---ナイーブベイズ分類器
***[[微分・積分>DS:数学的基礎 - 微分・積分]] [#w7af1e6f]
-[[微分>DS:数学的基礎 - 微分・偏微分]]:[[パラメタ調整に...
-積分:[[ベイズ統計>ベイズ統計#w036ba0b]]で使用される。
***ベクトル・行列 [#vfd7f564]
-ベクトル:非構造化データのベクトル化表現([[テキストのベ...
-行列:色々な表現、[[テンソル>NumPy#h768806a]]:複数の行列
**分類・体系 [#h62c6758]
***従来型人工知能(AI)と計算知能(CI) [#i20dad72]
-従来の人工知能(AI)~
線形分離可能な問題
--[[エキスパート・システム>機械学習(machine learning)#n...
--[[サポートベクターマシン>機械学習(machine learning)#m...
--[[事例ベース推論(CBR)>機械学習(machine learning)#ae...
-計算知能(CI)~
線形分離不可能な問題~
コンピューターが繰り返し学習をし、~
経験を積みながら成長していく。
--[[ニューラルネットワーク>機械学習(machine learning)#a...
--ファジィ制御
--進化的計算
***ルールベース、統計・確率論、脳科学 [#y5dc5ec5]
[[機械学習>#i0fb61e3]](統計・確率論、脳科学) or NOT.
-ルールベース
--[[エキスパート・システム>機械学習(machine learning)#n...
-統計・確率論
--[[サポートベクターマシン>機械学習(machine learning)#m...
-脳科学
--[[ニューラルネットワーク>機械学習(machine learning)#a...
***拡張知能(IA)と知能インフラ(II) [#td5088ee]
-拡張知能:Intelligence Augmentation(IA)~
人間にしかできなかった知的な行為(認識、推論、言語運用、...
--どのような手順(アルゴリズム)と
--どのようなデータ(事前情報や知識)を
>準備すれば、それを機械的に実行できるか?を研究する分野で...
この20年の間に、[[機械学習と深層学習>#b57bfcb5]]が大きく...
-知能インフラ:Intelligent Infrastructure(II)~
現在は、コンピュータ処理とデータと~
物理的なものが絡み合った、IIが出現。
***弱いAI、強いAI [#y6b8833e]
アメリカの哲学者ジョン・サールが1980年に発表した~
「Minds, Brains, and Programs (脳、心、プログラム)」~
という論文の中で提示した区分。
-弱いAI(AI:特化型人工知能)~
ある特定の目的(画像認識、音声認識)を遂行する。~
コンピュータは人間の心を持つ必要はなく、有用な道具であれ...
--[[エキスパート・システム>機械学習(machine learning)#n...
--[[サポートベクターマシン>機械学習(machine learning)#m...
--[[ニューラルネットワーク>機械学習(machine learning)#a...
-強いAI(AGI:汎用人工知能)~
ドラえもんとか、ターミネーターとか。~
人間が心を持つのと同じ意味で心を持つコンピュータ。~
また、プログラムそれ自身が人間の認知の説明である。
--全脳アーキテクチャ
--全脳エミュレーション
*AIの例 [#s0bff43e]
**ルールベースAI [#b2fc6a14]
***エキスパート・システム [#f052336d]
-専門家の推論・判断を模倣
--膨大な情報と条件を照らし合わせながら、最適な提案を導き...
--推論エンジンが知識ベースを使って推論を行う。
---推論エンジン(固定)~
ルールベースとも言われる。
---知識ベース(可変)
-応用例~
組み合わせが膨大となるような領域でうまく機能する。
--自動音声応答装置、人工無脳
--障害診断、医療診断
--複雑系、プロセス制御
--意思決定支援
---市場での推奨取引を提示
---コンピュータ野球ゲーム
-[[機械学習を用いたエキスパート・システム>機械学習(machi...
***事例ベース推論(CBR) [#ae7597f1]
-情報を蓄積して分析し、~
ある事例に類似した事例を導き出す。
-原型
--自動車整備士が類似の故障を思い出して修理
--弁護士が裁判で判例に基づく主張を展開
--技術者が自然界にあるものを模倣
-4段階のプロセス
--検索: 問題に対応した事例を検索する。
--再利用: 事例から与えられた問題の解法を得る。
--修正: 新しい解法を試して、必要ならば改良を加える。
--記憶: うまく適応した解法が得られたら、その経験を新たな...
-応用例
--ヘルプデスク
--意思決定支援システム
-統計的に適切なデータがないと、~
その一般化が正しいという保証ができない。
***ゲームの思考ルーチン [#w71449a9]
囲碁などのゲームの思考ルーチン
***制御システム [#c33c9715]
家庭用電気機械器具などの制御システム
**[[機械学習>#i0fb61e3]]と[[深層学習>#y422c54b]] [#b57bfc...
-トレーニング・データを通してデータに潜むパターンを学習す...
-テスト・データのインプットに対して推論をアウトプットする。
-データの数が多ければ多いほど望ましい学習結果(高い予測精...
-2000年以降、学習は[[ビッグデータ]]というキーワードと共に...
--インターネットが普及してデータが蓄積されるまでは、~
データが量少なくても学習できる機械学習が主流だった。
--故に、[[ビッグデータ]]を必要としないベーシックな[[機械...
--2000年以降、[[機械学習>#i0fb61e3]] と [[深層学習>#y422c...
法則やルールを見つけ出すアルゴリズム・モデルに注目が集ま...
***[[機械学習(machine learning)]] [#i0fb61e3]
レコメンデーションエンジンや迷惑メールを検出するスパムフ...
***[[深層学習(deep learning)]] [#y422c54b]
既存産業における今後の発展見込が大きい画像認識の精度、運...
今後、多くの作業の効率化・自動化が可能となると考えられる。
**その他 [#lf873db3]
***[[強化学習(Reinforcement Learning)]] [#m70375e3]
***[[生成系AI(Generative AI)]] [#d96ce2fc]
*導入 [#ddd68962]
**[[マネジメント>AIプロジェクトのマネジメント]] [#a6b82222]
**[[アルゴリズム・モデル>AIのアルゴリズム・モデル]] [#kda...
の選択、評価、解釈・説明について。
**画像・映像・3次元データ [#x81f3922]
***[[画像処理>画像処理とコンピュータビジョン#v638f1a5]] [...
***タスクとモデル [#r596a466]
[[畳み込みニューラルネットワーク(CNN) >ニューラルネット...
**時系列・テキスト等のデータ [#i5f3a77e]
-系列とは、順序を持ち、並びに意味が隠れているもの。
-時系列データ(音声、音楽、動画、気象関連)、自然言語
***[[言語処理>言語処理(AI)#y95f540c]] [#v4f03bbe]
-[[文書検索>言語処理(AI)#l3a1f930]]
-[[チャットボット>言語処理(AI)#zd35939d]]
-[[テキストマイニング>言語処理(AI)#ec90b2d0]]
***タスクとモデル [#nf1097c0]
-タスク~
回帰タスク(複数の入力から連続値の出力を予測)
-モデル
--自己回帰モデルとその発展型
---[[自己回帰モデル>データ分析#d5519ff0]]
---発展型~
・ARIMAモデル(自己回帰和分移動平均モデル)~
・SARIMAモデル(ARIMAモデルに周期成分を取り入れたモデル)
--[[複数の決定木を使用するモデル>機械学習(machine learni...
--[[深層学習>深層学習(deep learning)]]のモデル
---[[再帰型ニューラルネットワーク(RNN)>ニューラルネット...
---[[長短期記憶ニューラルネットワーク(LSTM)>ニューラル...
---[[畳み込みニューラルネットワーク(CNN) >ニューラルネ...
***系列データを[[特徴量>機械学習(machine learning)#t209...
系列データ:系統立って並んでいるデータ
-周波数分析
--現象の知見を得る
--特徴抽出で得た[[特徴量>機械学習(machine learning)#t20...
--時間波形の周波数分析の手順
---フレーム化処理(短時間の波形を切り出す
---窓関数を掛ける(Hanning窓、Hamming窓)
---離散フーリエ変換
---振幅スペクトルを計算
---対数振幅スペクトルを計算
-[[深層学習>深層学習(deep learning)]]の手法
--[[再帰型ニューラルネットワーク(RNN)>ニューラルネット...
--[[長短期記憶ニューラルネットワーク(LSTM)>ニューラルネ...
--[[畳み込みニューラルネットワーク(CNN) >ニューラルネッ...
---畳み込みフィルタの適用
---拡張された畳込み
**その他 [#db0a30ba]
***[[ロボティクス>人工知能(AI):ロボティクス]] [#mc927c...
***[[社会現象、社会データ>人工知能(AI):予測・診断・最...
***複雑系データ [#g1523ed5]
-金融市場もしくは人間の行動などに関するデータ。
--時間で構造やパターンが変化する。
--データを複製できないので数が限定的。
--モデルを複雑にすると[[過学習>機械学習(machine learning...
-事例
--[[金融系>AIの活用例#p56f7ef2]]
**[[活用例>AIの活用例]] [#kaec7830]
*参考 [#g71f72e9]
-農学情報科学 | 人工知能と農学生命科学~
https://axa.biopapyrus.jp/
-AI・機械学習の用語辞典 - @IT~
https://atmarkit.itmedia.co.jp/ait/series/14323/
-作成中のコンテンツへのリンク - OSSコンソーシアム~
https://www.osscons.jp/joho108j0-537
**Qiita [#hefe96a6]
-第3の波 — AI、機械学習、データサイエンスの民主化~
https://qiita.com/KanNishida/items/adbbbde42b4adbeff6d3
-AI - その革命はまだ起きていない、そして起きそうもない~
https://qiita.com/KanNishida/items/dfab2a09ff1e07139492
-ソフトウェアとAIに飲み込まれてしまったカメラの今と将来の...
https://qiita.com/KanNishida/items/64f4787427e9c90ffe95
-AIのバイアスのほんとうの問題は人間が気づかないバイアスだ~
https://qiita.com/KanNishida/items/9af114546e330f989a68
-Stitch Fix:変化し続ける~
ファッション界のレコメンドAIは、~
人間とAIの協業の仕組みが成功の鍵~
https://qiita.com/KanNishida/items/fe85660c0cde07ccc12a
**Wikipedia [#m94f2a4d]
-人工知能~
https://ja.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E7%9F%A5...
-人工知能の歴史~
https://ja.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E7%9F%A5...
-計算知能~
https://ja.wikipedia.org/wiki/%E8%A8%88%E7%AE%97%E7%9F%A5...
--ファジィ制御~
https://ja.wikipedia.org/wiki/%E3%83%95%E3%82%A1%E3%82%B8...
--進化的計算~
https://ja.wikipedia.org/wiki/%E9%80%B2%E5%8C%96%E7%9A%84...
終了行:
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfras...
-[[戻る>BI / AI]]
--[[ビジネス インテリジェンス(BI)]]
--人工知能(AI)
*目次 [#zb4a7047]
#contents
*概要 [#uf6f271b]
AI:Artificial Intelligence
**特徴 [#l919e54f]
-さまざまな発想とかアイデアが歓迎されるというジャンル
-社会に普及すると(高度化・複雑化すると)名前が変わる出世...
--名前がつかないうちは人工知能と呼ばれている(アルゴリズ...
--普及し始めると名前がついて、もう、それは人工知能と見な...
---例えば、Web検索、音声認識、顔認識、論文検索、自動翻訳...
---そのような単独の主要機能をもったシステムやアプリケーシ...
---[[強化学習 → 深層学習 → 深層強化学習>機械学習(machine...
-現状は人が持っているような汎用的な能力はまだ持ってい。
--特定のことしかできないが、
--特定の事は得意(例えば特定のパターンを見つける等)
**定義 [#q4c1e8cd]
人工知能の定義は「知性」や「知能」の解釈が~
研究者によって異なるため、専門家の間ですら異なる。
***学問・技術 [#qf1c32e0]
-人や生物からヒントを得てコンピュータの上でモデルを作る学問
-上記のモデルを活用した、知的な情報処理システムの設計や実...
-言語の理解や推論、問題解決などの知的行動を人間に代わって...
***知能の全体像 [#zdb6db19]
+パターン処理(身体性)
+記号の処理([[機械学習>機械学習(machine learning)]]、[...
+他者とのインストラクション
***モノ、プログラム [#v0f6dd7a]
-推論、認識、判断など人間と同じ知的能力を持つ機械
-周囲の状況(入力)によって行動(出力)を変えるエージェン...
***レベル [#f5873092]
-レベル 1
--シンプルな制御プログラム
--すべての振る舞いがあらかじめ決められており、その通りに...
-レベル 2
--古典的な人工知能
--探索・推論、知識データを利用することで、~
状況に応じて極めて複雑な振る舞いをする。
-レベル 3
--[[機械学習>#i0fb61e3]]を取り入れた人工知能
--非常に多くのサンプル・データをもとに入力と出力の関係を...
-レベル 4
--[[深層学習>#y422c54b]]を取り入れた人工知能
--[[特徴量>機械学習(machine learning)#t209d0ea]]と呼ば...
***[[弱いAI、強いAI>#y6b8833e]] [#xde78a1a]
*詳細 [#l81ff709]
**歴史 [#r0e1aab0]
***人工知能の誕生 [#d9fc46bd]
1943 − 1956
-「神経活動に内在するアイデアの論理計算」(1943)~
[[ニューラルネットワーク]]の基礎を築いた論文。
-世界初の汎用コンピュータの誕生(1946)~
アメリカのペンシルバニア大学で17, 468本の真空管を~
使った巨大な電算機、エニアック(ENIAC)が開発された。
-ダートマス会議 (1956)
--ジョン・マッカーシー、マービン・ミンスキー
---ジョン・マッカーシー:Artificial Intelligence(人工知...
---マービン・ミンスキー:
--アレン・ニューウェルとハー バード・サイモンは、~
ロジック・セオリストのデモンストレーションを行い、~
コンピューターを用いて数学の定理を自動的に~
証明することが実現可能であることを示した。
--学習のあらゆる面または知能の~
他のあらゆる機能は正確に説明できるので、~
機械でそれをシミュレートすることができる。
***第1回AIブーム [#e62ebfbb]
推論・探索の時代:1950年代 後半~1960年代(1956 − 1974)
-記号処理による推論と探索
-論理回路的ニューロン網
-パーセプトロン
***AIの冬第1期 [#qc25b067]
(1974 − 1980)
-学習しない。
-パーセプトロンの限られた能力への批判(1969、マービン・ミ...
-単純な特定の問題([[トイ・プロブレム(おもちゃの問題)>#...
--コンピュータの能力不足
--Intractabilityと組合せ爆発
--常識的知識と推論
--モラベックのパラドックス~
高度な推論よりも感覚運動スキルの方が多くの計算資源を要する
--[[フレーム問題>#bd2791da]]と条件付与問題
***第2回AIブーム [#mc0e87fb]
知識の時代(1980 − 1987)
-知識表現の獲得([[エキスパート・システム>機械学習(machi...
-日本政府が推進:第5世代コンピュータープロジェクト
-人工ニューロンによるコネクショニズムと[[誤差逆伝播法>深...
-パーセプトロンの限られた能力への批判の反省版(1987
***AIの冬第2期 [#j313f230]
(1987 − 1993)
-コンピュータ(主に[[エキスパート・システム>機械学習(mac...
-コンピュータの能力不足で知識表現の獲得はできなかった(知...
***第3回AIブーム [#k888a1c6]
機械学習・特徴表現学習の時代(2006 −)
-ディープラーニングの時代
-非線形[[サポートベクターマシン>機械学習(machine learnin...
-[[2011:IBMのWatson(ワトソン)>機械学習(machine learni...
-[[ビッグデータ]]から知識を獲得する[[機械学習>#i0fb61e3]]...
知識を定義する[[特徴量>機械学習(machine learning)#t209d...
--多層[[ニューラルネットワーク]]~
による本格的な[[深層学習>#y422c54b]]の登場~
--[[畳み込み、プーリング>ニューラルネットワーク#fb7864bd]...
--[[GAN(敵対的生成ネットワーク)>ニューラルネットワーク#...
-高速プロセッサ、ツールの充実
-[[2015:DeepMindのAlphaGo>強化学習(Reinforcement Learni...
***今後の可能性 [#v82ab155]
-現時点
--[[エビデンス・ベースド>統計解析#s2f2f17f]]
--[[データ・インフォームド>プロジェクト選定委員会運営#jf1...
--[[色々な難しさ>#a6b82222]]の解決。
-近未来
--Society 5.0
--社会構造の変化
--AIデバイド
--IntelligentからBrainy
--人工知能と人間知能の統合
---人工知能:機械・深層学習=経験と訓練
---人間知能:知識の系 → 教育 / 学習 → 形式知 / 暗黙知
-遠い?未来
--汎用人工知能
--Singularity
**動向 [#z8235974]
***探索・推論 [#p5d14485]
-探索木
--[[木構造の走査法>高度午前 - 基礎理論]]
---幅優先探索
---深さ優先探索
--用途
---迷路
---ハノイの塔
---ボード ゲーム
-ロボットの行動計画~
プランニングと呼ばれる技術(探索木ではないが状態遷移図を...
--STRIPS:Stanford Research Institute Problem Solver
---Nils Nilsson が開発した自動計画に関する人工知能の一種。
---後にそのシステムの入力に使う以下の部分から構成される形...
・初期状態 (Init)~
・目標状態の記述 (Goal)~
・行動 (Actions)~
・事前条件 (Preconditions)~
・効果/事後条件 (Effects / Postconditions)
--SHRDLU
---テリー・ウィノグラードによって実施された。
---コンピューターの中に仮想的に「積木の世界」を構成し、そ...
積木を英語で指示を与えることで積み上げたり下ろしたり動か...
-[[ボード ゲーム(オセロ・チェス・将棋・囲碁)>機械学習(...
***知的表現 [#m85363f5]
-人工無脳
--チャットボット、 おしゃべりボット
--知識なしでも知性があるように感じる
--特定のルール・手順に沿って会話を機械的に処理
--ジョセフ・ワイゼンバウム、イライザ(ELIZA)1964 - 1966年~
相手の発言をあらかじめ用意されたパターンと比較し、~
パターンに合致した発言があると、そのパターンに応じた発言...
-[[エキスパート・システムと知識ベース>機械学習(machine l...
***学習するAI [#m5caeddc]
AI自身が学習する仕組みに、[[機械学習と深層学習>#b57bfcb5]...
**問題 [#qab89e55]
***トイ・プロブレム [#q6f18407]
(おもちゃの問題)
-現実世界の問題は複雑過ぎてコンピュータで取り扱うことが難...
-そこで、
--本質を損なわない程度に問題を簡略化したものを考えた。
--コレで、問題の本質を理解したり、現実世界の問題に取り組...
-しかし、
--これらは非常に限定された状況で設定された問題で、
--普段直面するような現実世界の問題は、ずっと複雑だった。
-現在の人工知能では、~
まだ、このような問題しか解けない。~
と言う事が次第に明らかになっていった。
***フレーム問題 [#bd2791da]
-1969年にジョン・マッカーシーとパトリック・ヘイズが提唱した
>「今しようとしていることに関係のある事柄だけを選び出すこ...
>と言う、未だに本質的な解決はされていない人工知能における...
--ボードゲームなど、前提条件や、やること、その結果が限定...
現実世界で様々な状況に対応する場合、無限に考えてフリーズ...
--しかし、人間はあらゆる状況について無限に考えてフリーズ...
---これは人間でも発生し得るが、その場合、どこかで、中断で...
---アルファ碁などの特化型AIではフレーム問題を回避する方法...
-哲学者のダニエル・デネットは次のような例を用いてこのフレ...
「洞窟の中に、台車の上にはロボットを動かすバッテリーがあ...
ロボットは動くためにバッテリーが必要であるため、 洞窟から...
--ロボット1号:爆弾も一緒に持ち出して爆発~
洞窟からバッテリーを取ってくることに成功するが、~
バッテリーを持ち出すと爆弾も一緒に運び出してしまうことを...
時限爆弾も一緒に持ってきてしまい、爆弾が爆発する。
--ロボット2号:持ち出す方法を考え過ぎて爆発~
爆弾も一緒に持ち出してしまうかどうかを判断できるように、~
「自分が行った行動の結果、副次的に何が起きることを考慮す...
ありとあらゆることが起きる可能性を考え時間切れになり、 爆...
---「もし台車を動かしても、洞窟の天井は落ちてこない」
---「もし台車を動かしても、洞窟の壁の色は変わらない」(関...
---「もし台車を動かしても、洞窟の地面に壁に穴があいたりし...
--ロボット3号:持ち出す方法の方法を考え過ぎて爆発~
「目的を遂行する前に、関係のない事柄は考慮しないように」...
関係ある事柄とない事柄を仕分ける作業に没頭してしまい、~
無限に考え続け、洞窟に入る前に動作しなくなってしまう。」
---「洞窟の天井が落ちてこないかどうかは今回の目的と関係あ...
---「壁の色は今回の目的と関係あるだろうか」
---「洞窟の地面や壁に穴があいたりしないかどうかは今回の目...
-[[知識ベースのエキスパート・システム>機械学習(machine l...
--避けられない。
--生データからパターン抽出による知識獲得が必要。
--ナイーブベイズなどで知識獲得できるが...
***チューリング・テスト [#f2feb418]
(人工知能ができたかどうかを判定する方法)
-イギリスの数学者アラン・チューリングが~
人工知能ができたかどうかを判定するチューリング・テストを...
-別の場所にいる人間がコンピュータと会話をし、~
相手がコンピュータだと見抜けなければコンピュータには知能...
--知能をその内部のメカニズムに立ち入って判定しようとする...
外から観察できる行動から判断せざるを得ないという立場を取...
--また人工知能の判定基準として参照されるだけでなく、~
具体的なソフトウェア開発の目標にもなっている~
(精神科セラピストの役割を演じるプログラム、ELIZA)
-コンテストは毎年開催されているが、~
現時点でパスした会話ソフトウェアは存在しない。
***常識推論タスク [#t6314f1b]
[[チューリング・テスト>#f2feb418]]に代わるテストとして提...
常識推論(世界についての基本的な知識を用いて推論する)能...
-人間は自分を取り巻く環境の中で認識する一般的な概念を理解...
-文を作る能力の獲得は、人間が幼児から大人に向かって発達す...
-文を生み出すこうした生成的常識推論能力を機械が本当に獲得...
-最新の深層学習モデルは、90%程度の精度を達成できるように...
-ベンチマーク データセット - Commonsense.Run - 常識推論研...
https://commonsense.run/datasets/
--COPA:もっともらしい選択肢の選択:常識的な因果推論の評...
--WSC:照応解析で例えば以下の文中の照応詞“she”に対して“Ti...
When Debbie splashed Tina, she got wet.
***[[強いAI>#y6b8833e]]は実現不可能 [#xfeb1ab6]
-人の思考を表面的に模倣するような「[[弱いAI>#y6b8833e]]」...
-意識を持ち意味を理解するような「[[強いAI>#y6b8833e]]」は...
-チューリング・テストに合格しても本当に知能があるかは解ら...
--チューリング・テストを拡張した心がどこに存在するのか?
--コンピュータは記号操作を行っているだけで認知意味論を欠...
-「中国語の部屋」と言う思考実験~
チューリング・テストを発展させた思考実験で、意識の問題を...
心の哲学から、心身問題に対する立場の一つ、機能主義に対す...
--思考実験の内容~
部屋の中には中国語の質問に答えることができる完璧なマニュ...
部屋の外の人は部屋の中の人(≒ AI)が中国語を理解している...
-ロジャー・ペンローズ(数学者~
『皇帝の新しい心-コンピュータ・心・物理法則』
--意識は脳の中にある微細な管に生じる量子効果が絡んでいる...
--既存のコンピュータでは 「強いAI」は実現できないと主張。
***記号接地問題 [#f2b272c2]
(シンボル・グラウンディング問題)
-1990年に認知科学者のスティーブンハルナッドにより議論され...
-記号(シンボル)とその対象がいかにして結び付くかという問...
--[[フレーム問題>#bd2791da]]と同様、人工知能の難問
--「シマウマ」の例
---「シマウマ」と言う文字は、ただの記号の羅列に過ぎず、
---「シマのあるウマ」 ということは記述できる。
---初めてシマウマを見ても「これがあのシマウマだ」とは認識...
-現状の人工知能は、
--必ずしも記号と実態が結び付いておらず、言葉を理解してい...
--[[深層学習>#y422c54b]]を用いた画像認識も登場したが、人...
***身体性 [#kd11c451]
知能が成立するためには身体が不可欠であると考え。
-身体を通して得た感覚と記号を結び付けて世界を認識する。
-触った感覚や、験も含めて物体を捉えると言う考え方。
※ [[シンボル・グラウンディング>#f2b272c2]]が視覚だとすると~
身体性は視覚や触覚を含めた全てで物体をグラウンディング...
***知識獲得のボトルネック [#o8dacbc6]
機械翻訳が難しい理由は、コンピュータが 「意味」を理解して...
-「He saw a woman in the garden with a telescope.」~
一般的に、人間は、前者を想像する事が多い。
--「彼は望遠鏡を覗いて、庭にいる女性を見た。」
--「彼は庭で望遠鏡を覗いて、女性を見た。」
-恐らく、以下のような推測によって。
--望遠鏡は男性の趣味が多いだろう。
--庭に居るのは、恐らく女性だろう。
--庭からではなくベランダなどから望遠鏡を覗くだろう。
-人間の持っている一般常識は膨大で、
--コンピュータが知識を獲得することは難しい=知識獲得のボ...
--故に、一般常識の知識をコンピュータが扱うことは極めて困...
「[[統計的機械学習からニューラル機械翻訳>言語処理(AI)#m...
***特徴量設計 [#ubeaa11d]
-機械学習では「注目すべきデータの特徴」([[特徴量>機械学...
-機械学習は、特徴量として与えられたものを利用するだけで、...
-特徴量の選択は、相関関係があることを人間が発見し行うこと...
--正しい特徴量を見つけ出すのは一般に非常に難しいタスク。
--特徴量を機械学習自身に発見させるアプローチ(特徴表現学...
--[[ディープラーニング(深層学習)>深層学習(deep learnin...
---「特徴表現学習」を行うアルゴリズムの1つ。
---特に、[[CNNの特徴量マップ>ニューラルネットワーク#fb786...
***シンギュラリティー [#a77a05c5]
(技術的特異点)
-特異点というのは数学や物理学でよく用いられる概念で、~
ある基準が適用できなくなる点のことを指す。
-人工知能のコンテキストでのシンギュラリティーの仮説
--広義:人工知能が人間よりも賢くなること。
--狭義:人工知能が自身よりも賢い人工知能を作るようなった...
---無限に知能の高い存在を作るようになり、~
人間の想像力が及ばない超越的な知性が誕生する。
---0.9を何度掛けても1.0を超えることはないが、~
1.0を超えると、いきなり無限大に発散してしまうことと同じ。
---AI分野の「収穫加速の法則」(カーツワイル)。
-未来学者で実業家のレイカーツワイルの予測
--広義のシンギュラリティーが2029年頃
--狭義のシンギュラリティーが2045年頃
-超越的な知性を持った人工知能の誕生がもたらすかもしれない...
--宇宙物理学者のスティーブン・ホーキング~
完全な人工知能を開発できたら、それは人類の終焉を意味する...
--テスラやスペースXのCEOであるイーロン・マスク~
ペンタグラムと聖水を手にした少年が悪魔に立ち向かう話云々。
--マイクロソフトの創業者であるビル・ゲイツ~
私も人工知能に懸念を抱く側にいる1人だと、脅威論に同調
--倫理委員会
---Google~
ディープマインド・テクノロジーズ社を買収する際に、~
社内に人工知能に関する倫理委員会を設置。
---日本~
人工知能学会において、2014年に倫理委員会が設置
**数学との関連 [#c7fbb3d9]
学習・推論・判断に確率・統計が使用される。
-学習:判別ルール、判別器を作る。
-推論:判別器を使う。
-判断:データから総合的に判断。
***確率・統計 [#d68fd4d7]
-確率
--0 < 確率(P(A)) < 1
事象Aが起る場合の数
------------------------
起こり得る全ての場合の数
--事象
---積事象:共に起きる
---和事象:片方起きる
---余事象:共に起きない。
---排反事象:同時に起きない。
--試行
---独立試行の確率:確率の積
---反復試行の確率:独立試行の確率 * 排反事象の確率 * 組合...
--[[条件付き確率>ベイズ統計#v372de91]]
-統計
--[[統計解析]]
---[[記述統計>統計解析#z3664fb7]]
---[[確率分布>統計解析#efae792f]]
---[[推測統計>統計解析#q0a11bcf]]
---[[標本分布>統計解析#s5619cd9]]
--[[ベイズ統計]]
---ベイズの定理
---ナイーブベイズ分類器
***[[微分・積分>DS:数学的基礎 - 微分・積分]] [#w7af1e6f]
-[[微分>DS:数学的基礎 - 微分・偏微分]]:[[パラメタ調整に...
-積分:[[ベイズ統計>ベイズ統計#w036ba0b]]で使用される。
***ベクトル・行列 [#vfd7f564]
-ベクトル:非構造化データのベクトル化表現([[テキストのベ...
-行列:色々な表現、[[テンソル>NumPy#h768806a]]:複数の行列
**分類・体系 [#h62c6758]
***従来型人工知能(AI)と計算知能(CI) [#i20dad72]
-従来の人工知能(AI)~
線形分離可能な問題
--[[エキスパート・システム>機械学習(machine learning)#n...
--[[サポートベクターマシン>機械学習(machine learning)#m...
--[[事例ベース推論(CBR)>機械学習(machine learning)#ae...
-計算知能(CI)~
線形分離不可能な問題~
コンピューターが繰り返し学習をし、~
経験を積みながら成長していく。
--[[ニューラルネットワーク>機械学習(machine learning)#a...
--ファジィ制御
--進化的計算
***ルールベース、統計・確率論、脳科学 [#y5dc5ec5]
[[機械学習>#i0fb61e3]](統計・確率論、脳科学) or NOT.
-ルールベース
--[[エキスパート・システム>機械学習(machine learning)#n...
-統計・確率論
--[[サポートベクターマシン>機械学習(machine learning)#m...
-脳科学
--[[ニューラルネットワーク>機械学習(machine learning)#a...
***拡張知能(IA)と知能インフラ(II) [#td5088ee]
-拡張知能:Intelligence Augmentation(IA)~
人間にしかできなかった知的な行為(認識、推論、言語運用、...
--どのような手順(アルゴリズム)と
--どのようなデータ(事前情報や知識)を
>準備すれば、それを機械的に実行できるか?を研究する分野で...
この20年の間に、[[機械学習と深層学習>#b57bfcb5]]が大きく...
-知能インフラ:Intelligent Infrastructure(II)~
現在は、コンピュータ処理とデータと~
物理的なものが絡み合った、IIが出現。
***弱いAI、強いAI [#y6b8833e]
アメリカの哲学者ジョン・サールが1980年に発表した~
「Minds, Brains, and Programs (脳、心、プログラム)」~
という論文の中で提示した区分。
-弱いAI(AI:特化型人工知能)~
ある特定の目的(画像認識、音声認識)を遂行する。~
コンピュータは人間の心を持つ必要はなく、有用な道具であれ...
--[[エキスパート・システム>機械学習(machine learning)#n...
--[[サポートベクターマシン>機械学習(machine learning)#m...
--[[ニューラルネットワーク>機械学習(machine learning)#a...
-強いAI(AGI:汎用人工知能)~
ドラえもんとか、ターミネーターとか。~
人間が心を持つのと同じ意味で心を持つコンピュータ。~
また、プログラムそれ自身が人間の認知の説明である。
--全脳アーキテクチャ
--全脳エミュレーション
*AIの例 [#s0bff43e]
**ルールベースAI [#b2fc6a14]
***エキスパート・システム [#f052336d]
-専門家の推論・判断を模倣
--膨大な情報と条件を照らし合わせながら、最適な提案を導き...
--推論エンジンが知識ベースを使って推論を行う。
---推論エンジン(固定)~
ルールベースとも言われる。
---知識ベース(可変)
-応用例~
組み合わせが膨大となるような領域でうまく機能する。
--自動音声応答装置、人工無脳
--障害診断、医療診断
--複雑系、プロセス制御
--意思決定支援
---市場での推奨取引を提示
---コンピュータ野球ゲーム
-[[機械学習を用いたエキスパート・システム>機械学習(machi...
***事例ベース推論(CBR) [#ae7597f1]
-情報を蓄積して分析し、~
ある事例に類似した事例を導き出す。
-原型
--自動車整備士が類似の故障を思い出して修理
--弁護士が裁判で判例に基づく主張を展開
--技術者が自然界にあるものを模倣
-4段階のプロセス
--検索: 問題に対応した事例を検索する。
--再利用: 事例から与えられた問題の解法を得る。
--修正: 新しい解法を試して、必要ならば改良を加える。
--記憶: うまく適応した解法が得られたら、その経験を新たな...
-応用例
--ヘルプデスク
--意思決定支援システム
-統計的に適切なデータがないと、~
その一般化が正しいという保証ができない。
***ゲームの思考ルーチン [#w71449a9]
囲碁などのゲームの思考ルーチン
***制御システム [#c33c9715]
家庭用電気機械器具などの制御システム
**[[機械学習>#i0fb61e3]]と[[深層学習>#y422c54b]] [#b57bfc...
-トレーニング・データを通してデータに潜むパターンを学習す...
-テスト・データのインプットに対して推論をアウトプットする。
-データの数が多ければ多いほど望ましい学習結果(高い予測精...
-2000年以降、学習は[[ビッグデータ]]というキーワードと共に...
--インターネットが普及してデータが蓄積されるまでは、~
データが量少なくても学習できる機械学習が主流だった。
--故に、[[ビッグデータ]]を必要としないベーシックな[[機械...
--2000年以降、[[機械学習>#i0fb61e3]] と [[深層学習>#y422c...
法則やルールを見つけ出すアルゴリズム・モデルに注目が集ま...
***[[機械学習(machine learning)]] [#i0fb61e3]
レコメンデーションエンジンや迷惑メールを検出するスパムフ...
***[[深層学習(deep learning)]] [#y422c54b]
既存産業における今後の発展見込が大きい画像認識の精度、運...
今後、多くの作業の効率化・自動化が可能となると考えられる。
**その他 [#lf873db3]
***[[強化学習(Reinforcement Learning)]] [#m70375e3]
***[[生成系AI(Generative AI)]] [#d96ce2fc]
*導入 [#ddd68962]
**[[マネジメント>AIプロジェクトのマネジメント]] [#a6b82222]
**[[アルゴリズム・モデル>AIのアルゴリズム・モデル]] [#kda...
の選択、評価、解釈・説明について。
**画像・映像・3次元データ [#x81f3922]
***[[画像処理>画像処理とコンピュータビジョン#v638f1a5]] [...
***タスクとモデル [#r596a466]
[[畳み込みニューラルネットワーク(CNN) >ニューラルネット...
**時系列・テキスト等のデータ [#i5f3a77e]
-系列とは、順序を持ち、並びに意味が隠れているもの。
-時系列データ(音声、音楽、動画、気象関連)、自然言語
***[[言語処理>言語処理(AI)#y95f540c]] [#v4f03bbe]
-[[文書検索>言語処理(AI)#l3a1f930]]
-[[チャットボット>言語処理(AI)#zd35939d]]
-[[テキストマイニング>言語処理(AI)#ec90b2d0]]
***タスクとモデル [#nf1097c0]
-タスク~
回帰タスク(複数の入力から連続値の出力を予測)
-モデル
--自己回帰モデルとその発展型
---[[自己回帰モデル>データ分析#d5519ff0]]
---発展型~
・ARIMAモデル(自己回帰和分移動平均モデル)~
・SARIMAモデル(ARIMAモデルに周期成分を取り入れたモデル)
--[[複数の決定木を使用するモデル>機械学習(machine learni...
--[[深層学習>深層学習(deep learning)]]のモデル
---[[再帰型ニューラルネットワーク(RNN)>ニューラルネット...
---[[長短期記憶ニューラルネットワーク(LSTM)>ニューラル...
---[[畳み込みニューラルネットワーク(CNN) >ニューラルネ...
***系列データを[[特徴量>機械学習(machine learning)#t209...
系列データ:系統立って並んでいるデータ
-周波数分析
--現象の知見を得る
--特徴抽出で得た[[特徴量>機械学習(machine learning)#t20...
--時間波形の周波数分析の手順
---フレーム化処理(短時間の波形を切り出す
---窓関数を掛ける(Hanning窓、Hamming窓)
---離散フーリエ変換
---振幅スペクトルを計算
---対数振幅スペクトルを計算
-[[深層学習>深層学習(deep learning)]]の手法
--[[再帰型ニューラルネットワーク(RNN)>ニューラルネット...
--[[長短期記憶ニューラルネットワーク(LSTM)>ニューラルネ...
--[[畳み込みニューラルネットワーク(CNN) >ニューラルネッ...
---畳み込みフィルタの適用
---拡張された畳込み
**その他 [#db0a30ba]
***[[ロボティクス>人工知能(AI):ロボティクス]] [#mc927c...
***[[社会現象、社会データ>人工知能(AI):予測・診断・最...
***複雑系データ [#g1523ed5]
-金融市場もしくは人間の行動などに関するデータ。
--時間で構造やパターンが変化する。
--データを複製できないので数が限定的。
--モデルを複雑にすると[[過学習>機械学習(machine learning...
-事例
--[[金融系>AIの活用例#p56f7ef2]]
**[[活用例>AIの活用例]] [#kaec7830]
*参考 [#g71f72e9]
-農学情報科学 | 人工知能と農学生命科学~
https://axa.biopapyrus.jp/
-AI・機械学習の用語辞典 - @IT~
https://atmarkit.itmedia.co.jp/ait/series/14323/
-作成中のコンテンツへのリンク - OSSコンソーシアム~
https://www.osscons.jp/joho108j0-537
**Qiita [#hefe96a6]
-第3の波 — AI、機械学習、データサイエンスの民主化~
https://qiita.com/KanNishida/items/adbbbde42b4adbeff6d3
-AI - その革命はまだ起きていない、そして起きそうもない~
https://qiita.com/KanNishida/items/dfab2a09ff1e07139492
-ソフトウェアとAIに飲み込まれてしまったカメラの今と将来の...
https://qiita.com/KanNishida/items/64f4787427e9c90ffe95
-AIのバイアスのほんとうの問題は人間が気づかないバイアスだ~
https://qiita.com/KanNishida/items/9af114546e330f989a68
-Stitch Fix:変化し続ける~
ファッション界のレコメンドAIは、~
人間とAIの協業の仕組みが成功の鍵~
https://qiita.com/KanNishida/items/fe85660c0cde07ccc12a
**Wikipedia [#m94f2a4d]
-人工知能~
https://ja.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E7%9F%A5...
-人工知能の歴史~
https://ja.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E7%9F%A5...
-計算知能~
https://ja.wikipedia.org/wiki/%E8%A8%88%E7%AE%97%E7%9F%A5...
--ファジィ制御~
https://ja.wikipedia.org/wiki/%E3%83%95%E3%82%A1%E3%82%B8...
--進化的計算~
https://ja.wikipedia.org/wiki/%E9%80%B2%E5%8C%96%E7%9A%84...
ページ名: