Download to read offline
More Related Content
Similar to AIとDeep Learningについての私的メモ
More from IWASAKI NOBUSUKE
AIとDeep Learningについての私的メモ
- 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.
- 3.
- 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. • 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.
- 7. • Deep LearningDeepLearning （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. • 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. • 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. • 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. • 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. • 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. • 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. • 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