2018年9月30日の日本大学文理学部オープンキャンパスにおいて、情報科学科の模擬授業（講義の扉）で使用したスライドです。

1. 平成30年度 日本大学文理学部 秋季オープンキャンパス
「人工知能ってどんな仕組み?」
日本大学 文理学部 情報科学科 准教授
北原 鉄朗
kitahara@chs.nihon-u.ac.jp
http://www.kthrlab.jp/
Twitter: @tetsurokitahara

2. 「人工知能」（AI）って聞いたことある?
※ きちんとした定義はない
人間のような知能を計算機上で実現しようという試み
【出典】 Wikipedia

3. 【出典】松尾 豊
「人工知能は
人間を超えるか」
KADOKAWA
2010年ごろから
第3次AIブーム

4. いま人工知能と呼ばれている分野のうち、
脚光を浴びているものの多くは、
「パターン認識」と呼ばれる技術である
画像認識 音声認識

5. パターン認識の基本＝計算式の調整
「人間の能力を超える画像認識能力を持つ人工知能を実現」
などと言われるが、基本的には人間が与えたデータに従って
計算式を調整しているだけにすぎない
例題 人の後ろ姿の画像が男か女かを識別したい
「男」 「女」

6. STEP 1 特徴抽出
男女の識別の手がかりとなる特徴を数値として表す
例 「身長」
「髪の長さ」
168
18
155
23
STEP 2 識別
STEP 1で数値化した値を使って、男女の判定をする
「身長」と「髪の長さ」を入力すると、
「1」（＝男）または「0」（＝女）を出力する
168
18
1
155
23
0
すなわち

7. たくさんデータを集めてみよう
x （身長）
y （髪の長さ）
男
男
男
女
女
女
女
y = x – 100
3
2
で、あれば
y < x – 100 なら z = 1 を出力
3
2
y > x – 100 なら z = 0 を出力
3
2
この式は
どう作るの?
y = x – 100
3
2
あらかじめ用意したデータで識別誤りが
なくなるように、ココの部分を調整する
という式が
作れそう

8. 識別の計算式の作り方
必要なもの
入力と出力の例（たくさん）
x→168
y→18
1←z
155
23
0
181
7
1
161
31
0
......
考え方
「男」と「女」を識別する
y = a x + b を考える
x（身長）
y（髪の長さ）
男
女
a x – y + b = 0
コレが > 0 なら z = 1 （男）
< 0 なら z = 0 （女）
① 仮の a, b を適当に決める
② 識別誤りが何個あるか調べる
③ a, b を少し変えてみる
④ ②・③を繰り返す
⑤ 識別誤りが0個になったら終了

9. この方法の問題点
問題点1 識別誤りが0個になるまで止まらない
識別誤りの度合いの式を考え、それが最小になる a, b を求める
→ その式の微分が 0 になる a, b を求める （詳細省略）
問題点2 手がかりが不十分
顔の骨格
服の特徴
体つき
どうやって
数値化?
特徴抽出せずに、各画素の
色の値をそのまま使う
画像は、下のように画素毎
の色の濃さの集まりである
【出典】 Wikipedia
93
0
1
...
35
90
(0, 0)
(0, 1)
(0, 2)
(255, 255)

10. x1
z
x2
x3
xn
x4
...
...
...
画素の値を直接入力する場合の問題点
入力データが多すぎる
複数の値を1つにまとめる仕組みが必要
いらないデータ（背景）がある
必要なデータだけを残す仕組みが必要
個々の値が単独で意味を持たない
複数の値の複雑な組み合わせを考慮した計算が必要
x
z
y
最初に考えたヤツ
ある直線より上か下か
で、1または0を出力
ディープラーニング
何段にも組み合わせて深くする

11. まとめ
●
ちまたでいう人工知能の多くは、パターン認識
●
パターン認識は、与えられた入力に対して決まった値
を出力するように計算式を調整するにすぎない
● 計算式の基本は、 ax – y + b > 0 z = 1⇒
ax – y + b < 0 z = 0⇒
●
この式を何段にも組み合わせて「深く」することで、
手がかりを自動でみつけて識別できるようになった
●
これが、ディープラーニングの基本