ゼロから学ぶAI

- AIのよりよい学習方法とは？ -
ゼロから学ぶAI
2018年1月17日(水)
株式会社Dive into Code
代表取締役　野呂浩良
Tel 03-5459-1808
https://diveintocode.jp/

2Copyright © 2015-2017 Dive into Code Corp. All Rights Reserved.
構成
1. 自己紹介
2. 第４次産業革命とAI
3. AIで具体的に何ができるのか？
4. グループワーク
5. AIにはどんな分野があるのか？
6. AIを使ったサービスの実現について
7. グループワーク
8. まとめ
9. Appendix

自己紹介
MBAエンジニア講師。29歳でプログラミングと出会い、34歳で初め
てプログラミングセミナーをグロービス校舎で開催。
1980年誕生
23歳東京農業大学農学部農学科（学士）卒業
「昆虫生態学研究室」
23歳株式会社すみや「接客販売」
26歳株式会社リクルート「法人営業」
29歳株式会社ワークスアプリケーションズ「コンサル」
33歳株式会社プロスタンダード「研修講師」
34歳グロービス経営大学院大学経営管理科（修士）卒業
35歳株式会社Dive into Code　創業
キャリアの軸は、未経験分野への挑戦

自己紹介
“時間の” データサイエンティスト。あらゆる時間データを22歳から
12年間 1日も休まず蓄積し判断に活用（ギネス申請歴あり）
プライベート＆仕事
時間の投資対効果を重視した教育サービス開発
イメージイラスト

自己紹介
プログラミングスクール DIVE INTO CODEを運営。ビジョンは「テク
ノロジー教育のエコシステムを構築する」こと。
フルタイム就業
正社員 / フリーランス
実課題を元にした研究
リモートワークで
アルバイト / 副業
政府と組み
地方＆海外IT人材育成
卒業後も学び続ける
永続勉強会
スクールで本気で学習
プログラミング初体験

自己紹介
プログラミング学習セミナーを日本全国で開催。アジアはベトナ
ム、アフリカはルワンダで同じ内容を英語で講演。
経験ゼロから 3年で 3,000人に直接講義

IT業界は、第３次産業革命時代の寵児。テクノロジーの進化は、
蒸気から電気へ。電気からコンピュータへ、AIヘ。
第４次産業革命とAI
第１次第２次第３次第４次
18世紀 20世紀(前) 20世紀(後) 21世紀
蒸気機関
@木綿工業
電気エネルギー
@重化学工業
コンピュータ
＠IT業
AI、ビッグデータ
@製造、広告業等
機械化大量生産自動化自律化
今や第４次産業革命で AI の時代が始まっている

経済産業省の調査では、IT業界（情報サービス業）は日本の基幹
産業であり、最多の従業員数となっている。
（出所）JISA WEB サイト：経済産業省「特定サービス産業実態調査」「工業統計調査」
http://www.jisa.or.jp/explain/tabid/756/Default.aspx
産業売上高従業員数
情報サービス約21兆円約103万人（最多）
自動車約52兆円約80万人
鉄鋼約18兆円約22万人
エレクトロニクス約37兆円約102万人

ソフトウェアテクノロジーの進化は、半導体の進化に依存する。
ムーアの法則のとおり、これからも続いてゆく。
トランジスタ・ラジオ時計 TVゲーム・パソコン
携帯電話
スマホ
COBOL
Lisp
SMALLTALK
C
Perl
C++
Ruby
Python
Java
Scala
C#
Go
Swift
Hack
ドローン
IoT
トランジスタ DRAM
64Mビット
DRAM
1Gビット
DRAM
1960 1970 1980 1990 2000 2010 (現在)

自律化は、ヒト化。実現するためには全体の技術をおさえ、どのよ
うに連携させられるかを理解する必要がある。
ヒト IoT × クラウド × AI
脳
手
脊髄
足

必要とされる技術要素。アプリケーション開発は、全領域で必要。
コンピュータサイエンスへの理解が不可欠な時代に。
IoT クラウド（Web） AI
（ソフトウェア領域）
Web
- HTTP
- WebAPI
インフラ、ネットワーク
アプリケーション開発
（ハードウェア領域）
センサー、デバイス
ネットワーク
（数学領域）
Machine Learning
Deep Learning
- C
等
- Python
- C++
等
- HTML, CSS
- JavaScript
- Python, Ruby
等
テ
|
マ
言
語

従来のエンジニアに加え、AIエンジニアとの対話も必要。対話のた
めには専門技術の幅を広げなければならない。
クラウド化の進行で分業の隔たりが薄くなる
アプリケーション
エンジニア
インフラ
エンジニア
デザイナー
サービス化の進行で分業の隔たりが薄くなる
AIエンジニア
データサイエンティスト
「自律化」の実現のために、新たなミッションとして協働が必要になる
ヘッダー
フッター
PhotoShop
Illustrator
HTML, CSS
JavaScript
Java
Ruby
PHP
サーバ構築
→ クラウドで
半自動化
Linux
サーバ管理
CI構築
機械学習・プログラミング
最新理論の理解
→ 原則英語
Python
C++
GPU管理
プログラムの実装も必要

IT利活用の高度化、多様化の進展により IT人材の不足が加速す
る予想。求人に対して慢性的に求職者が不足。
経済産業省：IT人材の最新動向と将来推計に関する調査結果「参考図１. IT人材の需給に関する推計結果の概要」より
2016年 17.1万人不足
↓
2020年 36.9万人不足
↓
2030年 78.9万人不足
テクノロジーの進化に適応すれば人生100年時代を生き抜ける！

AIとは、人間のように学習し考えることができる、知的な情報処理
の仕組み。これを可能とするのが「機械学習」。
AIで具体的に何ができるのか？

近年のAIの活況はディープラーニングの登場による。音声認識や
画像認識をはじめ、ヒトを凌駕する性能を発揮。

「囲碁」。世界最高クラスの選手を Google が作ったAI（ディープ
ラーニング）が破る。

車を運転手でなくコンピュータが自動で操縦。画像認識などに特
化したディープラーニングが使用されている。

病気の診断モデルを作成し、その場での医師の診断を使って病気
を推測。

AIで既存の論文などを事前に学習させることで目標となる効果を
持った薬を作るための化合物の組み合わせを提案。

ほぼリアルタイムでの音声翻訳。音声認識に特化したディープ
ラーニングを活用。

「AIを使っていて面白いと思った事例」をグループで調べてできる
だけ多く挙げてください。
グループワーク①

AIが主に使用されている分野。
● 定型的な業務
● 融資判断
● 会計監査
● ネット通販での商品の推薦

逆に言えば、できないこともある。
● 学習データを集められないもの
● 0から１を生み出す創造的なこと
● 頻度の少ないできごと（例：自然災害の予知）
● 定量化の難しいこと（例：人間関係が絡むようなこと）

● 学習データが少ない場合でも高い性能を出すこと
● 「社会の常識」のような、問題と一見直接関係ないような知識
をとりこむこと
● 学習速度を早くすること
今後の課題。

機械学習アルゴリズムとは、文字や画像、音声などのデータに潜
む法則をコンピュータが自分で見つけ出す仕組みのこと。
AIにはどんな分野があるのか？

機械学習は、特徴量とそれを解釈するモデル、解釈結果の従属
変数からなる。例えば、身長は特徴量、健康度は従属変数。
特徴量従属変数モデル

教師あり学習教師なし学習
機械学習には、教師あり学習と教師なし学習がある。
コンピュータに教師となるラベルを与える。自分で特徴量から規則を見つける。

どちらにするか判断するには、「ラベル」情報の入手が可能かを事
前にきちんと把握する必要がある。
教師あり学習教師なし学習

機械学習のうち、教師あり学習のニューラルネットワークが多層化
されたものがディープラーニング（深層学習）。
分野手法
教師あり学習
回帰分析
決定木
ニューラルネットワーク
教師なし学習クラスタリング
強化学習（省略）
ディープラーニング
CNN
RNN
LSTM
GAN

教師あり学習は、教師データが存在するため、学習しすぎてしまう
と未知のデータに対応しきれなくなることがある。
過学習した例

教師あり：回帰分析

教師あり：決定木

教師あり：ニューラルネットワーク
人間の脳の学習機能を模倣したモデルのひとつ

教師あり：ニューラルネットワーク：ディープラーニング
layer数の多い（4層以上）ニューラルネットワークのこと
ビッグデータによる特徴量の設計が人力のそれを凌駕している

教師なし学習は、仮定を元にするため単純には成り立たないこと
が多く分類精度が悪くなってしまうことがある。

例：オンラインショッピングでサイトを巡回している顧客がどんな振る舞いをするのかに応じ
て、どんなページを提供するのかやどんな広告を見せるのかは、強化学習の手法が活かせ
る。
強化学習は、学習するコンピュータが、そのおかれた周囲の「環
境」とやり取りすることで性能を高めていく技術。

AIを使ったサービスの実現について
AIを理解するために必要な知識は、機械学習の知識とそれを自分
で実装するためのプログラミング等の知識が必要。
機械学習の知識プログラミング等の知識
機械学習アルゴリズムの実装
- オープンソースのライブラリ
を使用
- 多くは Python で開発され
ている
データサイエンス
機械学習アルゴリズム
発展的な学習アルゴリズム
（ディープラーニング）
数学
- 線形代数
- 統計学
- 確率論
- 微積分学

機械学習では2)、 3) と 4) にあたる「前処理」「特徴量の設計」と
「モデルの選択」が非常に重要。
1) 何をしたいのか、目的や問題を定義する
2) 自分の扱いたい問題に関するデータを集め、「前処理」する。
3) 前処理が終わった膨大な元の情報から、予測のために必要な本質的な情
報「特徴量の設計」をする。
4) 予測のための機械学習の「モデルの選択」をする。（テスト必須）
5) データ（特徴量）を「モデル」に入力し学習をさせる。
6) 学習済みのモデルの性能を評価する。
7) 学習済みのモデルに未知のデータを入力し、予測をさせる。
実務では、扱いたいデータを理解して整形する「前処理」が重要

モデルの予測精度を確かめるためにはテストが必要。学習前に、
データを学習データとテストデータに分けるのが一般的
学習用とテスト用に分類モデルのテスト

自作ライブラリ
既存ライブラリ
クラウドサービス
機械学習の利用
Google Cloud Platform
Microsoft Azure Machine Learning
Amazon Machine Learning
IBM / Watson Machine Learning
Google / TensorFlow
Preferred Networks / Chainer
機械学習の利用には、ライブラリ（Python等のプログラム）を利用
する方法とクラウドサービスを利用する方法がある。
利用イメージをつかむだけならクラウドサービスで十分

「AIを使っていて面白いと思った事例」は、どのように AIエンジニア
が設計しているのかを推論・発表してください。
グループワーク

- 機械学習アルゴリズムとは、文字や画像、音声などのデータに潜む法則を
コンピュータが自分で見つけ出す仕組みのこと。
- 機械学習のうち、教師あり学習のニューラルネットワークが多層化されたも
のがディープラーニング（深層学習）。
- AIを理解するために必要な知識は、機械学習の知識とそれを自分で実装
するためのプログラミング等の知識が必要。
- 機械学習の利用には、ライブラリ（Python等のプログラム）を利用する方法
とクラウドサービスを利用する方法がある。
まとめ
AIとは、人間のように学習し考えることができる、知的な情報処理
の仕組み。これを可能とするのが「機械学習」。

Q&A
なんでもご質問ください。 :D

Microsoft Azure Machine Learning
https://azure.microsoft.com/ja-jp/free/services/machine-learning/
Google Cloud Platform
https://cloud.google.com/?hl=ja
Machine Learning on AWS
https://aws.amazon.com/jp/machine-learning/?nc1=h_ls
Watson Machine Learning
https://datascience.ibm.com/features#machinelearning
Appendix
機械学習を利用できるクラウドサービス

Appendix
AI Weekly
http://aiweekly.co/
AINOW
http://ainow.ai/
AI の最新情報

TensorFlow Tutorials
https://www.tensorflow.org/tutorials/
TensorFlowチュートリアル - ML初心者のためのMNIST（翻訳）
https://qiita.com/KojiOhki/items/ff6ae04d6cf02f1b6edf
Chainer Tutorial
http://docs.chainer.org/en/stable/tutorial/basic.html
Chainerチュートリアルの和訳【Chainerの紹介と多層パーセプトロン】
http://www.iandprogram.net/entry/chainer_japanese
Appendix
ライブラリとクラウドサービスの使い方

告知
グロービス経営大学院生（受講生・卒業生）は、グロービス人工知
能研究会にぜひご参加ください。
※ 詳細は、グロービス人工知能研究会のFacebookで確認ください。
https://www.facebook.com/groups/214241435740519/
技術別適用領域別
知る体験する作るビジネス化
・　ニュース
・　セミナー
・　イベント
・　参考図書
・　用語集
・　講演会
・　ハンズオン
・　ネットワーキング
・　視察会
・　読書会
・　プログラム講習
・　技術講習
・　ツール使い方講習
・創造
・変革
（コア技術） (応用技術) (業務ｘ AI) (業界ｘ AI)
・　GPU
・　機械学習
・　深層学習
・　自然言語処理
・　画像認識
・　音声認識
・　予測API　　
・　ジェスチャー認識
・　感情認識
・　VR
・　ロボット
・　IoT
・　ChatBot
・　自動運転
・　RPA
　　
・　経営
・　販売
・　人事
・　マーケティング
・　秘書
・　ファイナンス
・　法務
・　広告
・　農業
・　教育
・　製造
・　医療
・　自動車
・　小売
・　メディア
使う
段階別活動分科会

告知
DIVE INTO CODE のリクルーティングパートナーになりません
か？エキスパートAIコース卒業生を優先的にご紹介します。
就業説明会
卒業制作発表会
求人掲載

ゼロから学ぶAI

More Related Content

What's hot

Similar to ゼロから学ぶAI

More from DIVE INTO CODE Corp.

ゼロから学ぶAI