A Primer on the Basics of Artificial Intelligence | ONE Tech
19748
post-template-default,single,single-post,postid-19748,single-format-standard,bridge-core-1.0.4,translatepress-ja,bridge,ajax_fade,page_not_loaded,,qode_grid_1200,qode-content-sidebar-responsive,wpb-js-composer js-comp-ver-5.7,vc_responsive
 

入門書:人工知能(AI)を理解する

入門書:人工知能(AI)を理解する

28 10月19

理解-人工知能

入門書:人工知能(AI)を理解する

Artificial intelligence is already changing the way we communicate with one another, plan our day and even shop.

人工知能のこれらの基本的な消費者向けアプリケーションに加えて、今日、あらゆる規模の企業が運用コストの削減、顧客とのコミュニケーション、およびサイバーセキュリティ攻撃の防止に使用しています。利点は実在しますが、多くの企業はビジネスにとって意味があるかどうかを判断するのに苦労しています。

人工知能の種類をよりよく理解し、ビジネスに適しているかどうかを判断できるように、違いを概説し、それぞれの例を示しました。私たちはカバーします:

人工知能、機械学習、深層学習の違いは何ですか?

ディープラーニングと機械学習のどちらを使用するか

教師あり機械学習と教師なし機械学習の違い

教師あり機械学習の使用方法

教師なし機械学習の適用方法

What is the difference between Artificial Intelligence, Machine Learning and Deep Learning?

AIは、さまざまな種類の人工知能を表すために使用される包括的な用語です。または、次のように考えてください。人工知能は、機械が人間のようなタスクを実行できるという概念を説明するために使用される広義の用語です。

人工知能は、コンピューターとソフトウェアのインテリジェントな動作を可能にするコンピューターサイエンスの一種として定義されています。人工知能は、音声を認識し、学習し、計画し、問題を解決できます。

Think that artificial intelligence is something that’s years away from being used in real-world business applications? It’s more pervasive than you think.

機械学習とは何ですか?

人工知能のサブセットである機械学習は、明示的な指示を使用せずにコンピューターが特定のタスクを実行するために使用するアルゴリズムと統計モデルの研究と適用です。機械学習では、パターンと推論を利用して結果を生成します。

機械学習をよりよく理解するために、いくつかの例を見てみましょう。

機械学習の一般的な消費者ベースのアプリケーションの1つは、人気のある音楽ストリーミングサービスであるSpotifyによって使用されます。ユーザーのリスニング履歴に基づいて、Spotifyは毎週月曜日にDiscover Weeklyとして知られるプレイリストを作成し、あなたが聞くことができるようにします。いいえ、お気に入りのミックステープが1980年に人間によって作成されたように、それはまとめられていません。

代わりに、Spotifyは機械学習を使用して、お気に入りの音楽の新しいプレイリストをデジタルで作成します。最終結果;ユーザーは十分に入手できません。

 

機械学習はこのプロセスのどのように行われていますか? Sophia Cioccaによると、Spotifyは3つの推奨モデルの組み合わせを使用しています。SophiaCioccaは、カーテンの後ろの音楽マジックについて、会社のデータエンジニアであるMikhil Tibrewalにインタビューしました。

When combining NLP (Natural Language Processing), collaborative filtering and audio models, Spotify manages to produce a 30-song playlist that many users love. And not a single human had to spend hours putting it together based on your listening preferences. Just think how long it would take for a human to put together individual playlists together for Spotify’s 200 million users.

それでは、ディープラーニングに移りましょう。

ディープラーニングとは

ディープラーニングは機械学習のサブセットであり、多くの人が機械学習よりも高度であると考えています。ディープラーニングは機械学習と考えてください。ただし、ステロイドに関するものです。

Deep learning uses a network of machine learning algorithms, also known as a neural network, that is designed to mimic the human brain. When the algorithms are combined with large structured data sets, deep learning enables machines to make decisions on their own.

ディープラーニングと比較して、機械学習モデルは時間の経過とともに結果を予測する能力を向上させますが、依然として人間の指導が必要です。たとえば、予測または結果が正しくない場合、人間はアルゴリズムを調整する必要があります。ディープラーニングを使用すると、使用されるアルゴリズムによって、予測が正確であるかどうかを判断できます。

ディープラーニングの例には、自動運転車が含まれます。たとえば、自律走行車が通りを運転している場合、ディープラーニングモデルは車が道路標識や歩行者を認識し、次にどの方向または行動を取るかを決定するのに役立ちます。

機械学習とディープラーニングの違いについてまだ混乱していますか?もう一度分解しましょう。

機械学習では、アルゴリズムとデータを使用して予測を行います。ただし、機械学習では、予測された結果が正しいかどうかを機械が学習することはできません。そして、それらが正しくない場合、マシンは人間の介入なしにそれを修正する方法を知りません。

ディープラーニングでは、複数の階層化されたアルゴリズムを利用して、人間の脳のニューラルネットワークによく似たニューラルネットワークを形成します。ディープラーニングは、機械学習よりもインテリジェントであり、予測が正しいかどうかを機械が学習し、その結果、問題に対処するのに役立ちます。

ディープラーニングと機械学習のどちらを使用するか

ディープラーニングと機械学習のどちらを使用するかわからない場合あなたは一人じゃない。ディープラーニングと機械学習を適用するために必要なものは2つあります。マシンから学習するためのデータ(多くのデータ)と実質的な計算能力が必要になります。これらの2つのことがなければ、機械学習を使用する必要があります。

ただし、ディープラーニングと同じくらいやりがいがあり、適切に実行されると、結果は印象的です。ディープラーニングの例をいくつか見て、どのように機能するかをより深く理解しましょう。

ディープラーニングの最も有名なアプリケーションの1つはチャットボットです。チャットボットは、販売支援や顧客サポートを提供するためによく使用されますが、最も一般的なのは後者です。これらのチャットボットは、ワークフローとディープラーニングを使用して顧客の質問に答えます。サービスがますます使用され、マシンがより多くのデータを収集するにつれて、深層学習により人間に近い会話が可能になります。

別の例は、よく知られた自動運転車です。この場合、ディープラーニングモデルは道路標識を認識するようにトレーニングしますが、別のモデルは歩行者を認識するようにトレーニングすることができます。数百万のAIモデルからの情報に基づいて、道路を走行中の車は、トラフィックを積極的に運転しているときに時間内に応答するために時間内に反応することができます。

次に、教師あり学習と教師なし学習の違いに飛び込みましょう。

教師あり学習と教師なし学習の違い

教師あり学習と教師なし学習は、マシンに学習を依頼するタスクのタイプと考えてください。 2つの違いを理解しやすくするために、まずそれぞれを定義しましょう。

教師あり学習とは何ですか?

教師あり学習は、入力と出力のペアの例に基づいて入力を出力にマッピングする関数を学習する機械学習タスクとして定義されます。または、次のように考えてください。教師あり学習では、人工知能を使用して、データを正しい答えにマップするモデルを構築します。つまり、トレーニングデータと予想される回答の両方が必要です。

教師なし学習とは何ですか?

教師なし学習は、ラベルのない入力データまたは正解がある場合に発生します。教師なし機械学習アルゴリズムは、既知のラベル付き結果を参照せずにパターンまたは結果を推測します。これは、機械学習によりソフトウェアが正しい答えを与えずにデータから学習できるようにするアプローチです。

教師あり機械学習の使用方法

Let’s examine a real-world application of supervised machine learning, as provided by Simplicable. Let’s say that a robot is learning to remove and separate recyclables from trash. As the conveyor belt rolls along, the sorter places recyclables into bins and labels each with an identification number.

次に、1日に1回、人間がビンを調べて、どのアイテムが正しくソートされたかをロボットに通知します。次に、ロボットはこの情報を使用して、将来の意思決定を改善します。これは、監視された機械学習の例です。人間は、機械が望ましい結果を生み出す方法を学習するのを支援する必要があるためです。

監視なしの機械学習の適用方法

前述の例を使用して、教師なし機械学習を適用する方法を示しましょう。

前の例では、人間がごみからリサイクル可能物を正常に除去したかどうかを機械に伝えることはできません。マシンはそれを独力で学習する必要があります。

In other words, the machine learning model needs no supervision. Instead, it works on its own to discover data patterns and insights. Unsupervised machine learning enables more complex processing tasks than supervised learning like clustering and association.

AIがあなたのビジネスにとって意味があるかどうかを判断するためにデューデリジェンスを行う必要がありますが、今日のアプリケーションと利点は現実のものです。 ONE Techが産業用IoTの利益のために機械学習をどのように適用するかを知りたい場合は、詳細をご覧ください ここに.