Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.

AIとDeep Learningについての私的メモ

391 Aufrufe

Veröffentlicht am

AIとDeep Learningについて、個人的に簡単にまとめてみました。

Veröffentlicht in: Technologie
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

AIとDeep Learningについての私的メモ

  1. 1. • AI と Deep Learning について私的にまとめたもの • By @wata909 。正しいかどうかは・・・? • つっこみぷりーず • 内容は以下の感じ • そもそも「 AI (人工知能)」とは? • 人工知能の研究の歴史と、現在の状態 • Deep Learning (深層学習)と関連手法 • CNN 、 GAN 、 RNN 、 LSTM などの技術 • 強化学習も加えたい • ライセンスについて • wata909 が書いた部分については CC0 1.0 全世界 • 引用している図等については、それぞれの著作権者が権利 を有しています 人工知能と Deep Learning についての私的メモ
  2. 2. そもそも AI (人工知能)とは?
  3. 3. たとえば 人間のように判断し、話すコンピューター 人工知能 間違えではないが,全てではない
  4. 4. • 1956 年のダートマス会議で定義された用語 • 「機械に人間の知的能力を模倣知的能力を模倣させるもの」(三宅、 2016 ) • 「知的能力を模倣」させるので、方法は色々 • エキスパートシステム、遺伝的アルゴリズム、マルコフ モデル、ベイジアンネットワーク、ニューラルネット ワーク、 etc… • 「知的能力を再現」ではない(あくまで、模倣) • 人間と同じアルゴリズムで知的能力を発揮するわけでない • 強い AI と弱い AI • 特定の問題の解決に特化したものが弱い弱い AIAI • 知性を持ったといえるものが強い強い AIAI • 今活用されている AI は「弱い弱い AIAI 」である • が、哲学的議論もあってこの辺はいろいろ そもそも「 AI (人工知能)」とは?
  5. 5. • 人工知能研究の歴史 • 2 度の冬の時代と 3 度のブーム。現在は現在は 33 度目のブーム度目のブーム • 期待と失望が繰り返される そもそも「 AI (人工知能)」とは? https://www.google.co.jp/search?q=%E4%BA%BA%E5%B7%A5%E7%9F%A5%E8%83%BD+%E5%86%AC%E3%81%AE%E6%99%82%E4%BB %A3&source=lnms&tbm=isch&sa=X&ved=0ahUKEwj8rNewlcbcAhWHVLwKHajsDpIQ_AUIDCgD&biw=1132&bih=956 「人工知能 + 冬の時代」の画像検索結果
  6. 6. Deep Learning と 関連手法
  7. 7. • Deep LearningDeep Learning (深層学習)の開発 • 第 3 次 AI ブームのきっかけ • 四層以上のニューラルネットワークのことといわれる • アルゴリズム的には、誤差逆伝搬とディープ・オートエン コーダの開発により実用化 • 学習に必要なビックデータの収集ビックデータの収集と、 GPUGPU の普及による計 算能力の向上も要因 Deep Learning と関連手法 Large Scale Visual Recognition Challenge (ILSVRC) 誤判定率。 2012 に Deep Learning が登場して以降、圧倒的正答率を示している。 https://towardsdatascience.com/deep-learning-vs-classical-machine-learning-9a42c6d48aa
  8. 8. • Deep Learning の位置づけ Deep Learning と関連手法 機械学習のサブセット機械学習のサブセットであるディープラーニングディープラーニングが、これまでにない破壊破壊 的イノベーション的イノベーションを起こしています 出典: https://blogs.nvidia.co.jp/2016/08/09/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/
  9. 9. • Deep Learning と機械学習の比較 • 従来の機械学習:人による人による特徴量の設定 • 利点:データが少なくとも可能、金銭的、計算能力的に安 価、モデルを解釈しやすい • Deep Learning :特徴量抽出、モデル構築、分類を自動自動 化化 • 分類精度が高い、データのスケールメリット、複雑な特徴 選択が不要、適応性、応用性が高い Deep Learning と関連手法 https://jp.mathworks.com/discovery/deep-learning.html 人による人による 特徴量設定特徴量設定 画像処理に画像処理に よる特徴抽よる特徴抽 出出 モデルによるモデルによる 分類分類 学習用画像学習用画像 の準備の準備 AIAI による特徴量の抽による特徴量の抽 出と画像の分類出と画像の分類
  10. 10. • Deep Learning と機械学習の使いどころ • Deep Learning :データが多く多く、複雑複雑な現象 • 1 カテゴリー、 1000 サンプルといわれる • 機械学習:データが少なく少なく、単純単純な現象 • 色々な Deep Learning • Deep Learning といっても様々複数の手法がある Deep Learning と関連手法 https://towardsdatascience.com/deep-learning-vs-classical-machine-learning-9a42c6d48aa
  11. 11. • 畳み込みニューラルネットワーク( CNNCNN ) • 「畳み込み」と「プーリング」を繰り返す • 画像の特徴量を抽出 • なぜ抽出できるのかは、不明 • 主に「分類分類」に使われる • 写っているのが、犬か猫か等々 Deep Learning (深層学習)と関連手法 畳み込みニューラルネットワークの構造 畳み込み層と プーリング層の処理 https://www.slideshare.net/Takayosi/nvidia-51814334
  12. 12. • 再帰型ニューラルネットワーク( RNNRNN )と LSTMLSTM (Long short-term memory) • RNN: 内部にループを持ち、情報を持続させる • t-1 のデータを保持 • LSTM:RNN の一種で、長期依存性を扱える • 例えば p ステップ前の状態など • ブロックの中の処理で、保持すべき情報、忘却すべき情報を 学習する • 音声、言語、映像認識等、時系列を持ったデータ時系列を持ったデータに強い Deep Learning (深層学習)と関連手法 RNN の概念図 http://colah.github.io/posts/2015-08-Understanding-LSTMs/ LSTM の概念図 http://colah.github.io/posts/2015-08-Understanding-LSTMs/
  13. 13. • 敵対的生成ネットワーク( GANGAN ) • 分類ではなく生成モデル生成モデル • Generator と Discriminator の二つを教育 • Generator が偽札を作り Discriminator がその真偽を判定、と 例えられる • 十分学習した Discriminator が、真偽の判断が難しい画像を Generator が作るのがゴール • pix2pixpix2pix が有名 • 線画から着色、白黒からカラーへ • https://github.com/phillipi/pix2pix Deep Learning (深層学習)と関連手法 敵対的生成ネットワーク( GAN )の概念図 https://products.sint.co.jp/aisia/blog/vol1-19 ラーメン画像を学習させた例 https://qiita.com/octpath/items/acaf5b4dbcb4e105a8d3
  14. 14. • 人工知能は「知的能力を模倣」するもの • 現状は問題特化型の「弱い AI 」。イメージとは異なる • 「人工知能」だからといって、人間のような総合的な判人間のような総合的な判 断ではない断ではない • Deep LearningDeep Learning により三回目のブーム • 画像分類等に高い性能を示す • CNN 、 RNN 、 LSTM 、 GAN 等の手法 • 解決したい問題により、手法の選択が必要 とりあえずのまとめ

×