ニュースなどを見ていると、「AIによって〇〇を解析」「AI搭載の〇〇」など毎日のようにAIという言葉が目や耳に入ってきており、特にChatGPTの登場によりその頻度は急速に上がってきています。今や私たちの生活に欠かせない存在となったAI（Artificial Intelligence/人工知能）ですが、「AIがどういった技術なのか深く理解できていない」「AIの進化が自分たちの生活や仕事にどう影響するのか分からない」という方もいらっしゃるのではないでしょうか。 本コラムでは、AIとはそもそも何なのか、そして機械学習や深層学習がどういった仕組みなのか、を改めて解説いたします。 AIの定義とは？ 「AIとは何か？AIの定義は？」という議論はこれまで活発に行われてきました。ここでは、最もイメージしやすいであろう定義をご紹介します。 “AIとは人工的に作られた人間のような知能、ないしはそれを作る技術

ディープラーニング（深層学習）とは 機械学習の手法の一つとして登場したのがディープラーニング（深層学習）です。ここではまず、ディープラーニングの概要を解説します。 ディープラーニングとは ディープラーニング（深層学習）とはAI（人工知能）分野における「機械学習」の中の一つの手法とされます。膨大なデータを用いて多層（ディープ）的な構造を構築し、そのデータの背景にあるルールやパターンの特徴を自動的に抽出し学習させます。 ディープラーニングの根幹には、ニューラルネットワークの存在があります。ニューラルネットワークとは、人間の脳をモデル化した数理モデル（※1）です。 一般的なデータ分析ではインプットとアウトプットの二層の関係を分析します。一方、ディープラーニングは中間層を設け、さらに中間層を多層化して情報を複雑化させることでデータ分析精度を高めます。ディープラーニングは深層学習という和訳が示してい

【ポイント】AI・機械学習・ディープラーニングの特徴 ・AI 「人間のように考えることができるシステム」の総称。 ・機械学習 AIで用いられている手法の1つ。様々なデータを投入して学習を繰り返すことでAI自身が新たな判断基準を獲得できるようにするというもの。 ・ディープラーニング（深層学習） 機械学習で用いられている手法の1つ。人間の脳をモデル化した数理モデルであるニューラルネットワークを多層にすることで、より人間に近い学習や判断を自ら実現するというもの。 AI（人工知能）とは？ AI（Artificial Intelligence/人工知能）は、1950年代に世に登場した用語です。「人工知能」という日本語訳が用いられているように、端的に言えば「人間のように考えることができるシステム」の総称です。ただし、明確な定義が存在しない用語でもあります。そして、「機械学習」と「ディープラーニング」は

2023.05.02 IT用語集 機械学習AI 近年、AI（人工知能）技術が飛躍的に発展し、あらゆるシーンで注目を集めています。このAIを支える技術の一つがディープラーニング（深層学習）です。 ディープラーニングという言葉は聞いたことがあっても、「AIや機械学習との違いは？」「具体的にどんなことができるの？」という疑問を持っている方も少なくないでしょう。 この記事では、ディープラーニングの仕組みや種類、AI・機械学習との違い、具体的な活用シーンなどを解説します。 ディープラーニング（深層学習）とは機械学習の手法の一つで、大量のデータから機械が自動的に特徴を抽出して学習するAI技術です。 機械学習とは、膨大なデータをもとにコンピューターがルールやパターンを学習する技術のことを指します。ディープラーニングはこの機械学習を発展させたもので、人間がデータを定義付けしなくても自ら学習する能力を持つこ

AIが普及するに伴い、「ディープラーニング（深層学習）」や「機械学習（マシンラーニング）」といった言葉を耳にするようになりました。ディープラーニングと機械学習は、AIとはどのように結びつくのでしょうか。また、ふたつの学習にはどのような違いがあるのでしょうか。これらの意味と仕組みをわかりやすく解説します。 機械学習とは 機械学習とは、与えられた膨大なデータから、規則性や判断基準を機械が自ら学習する技術のことをいいます。 学習によって法則性やより良い方法を見つけ出し、高度な予測や判断を可能にすることを目的としています。機械が自らデータを分析して、答えを導き出す技術と言い換えることができます。 学習の方法はさまざまですが、大きく分けると「教師あり学習」「教師なし学習」「強化学習」の3つがあります。 教師あり学習 教師あり学習は、あらかじめ準備された正解のデータがあり、それを教師として機械が学習し

最終更新日： 2022年9月13日 みなさんMLP（多層パーセプトロン）をご存じでしょうか？機械学習を使って何か開発してみたいと思っている人の中には、MLPっていったい何だろうと思っている方もいるでしょう。AIについて興味がある人にとってMLPの知識は持っていて損はないものです！そこで今回は機械学習におけるMLPについて詳しくご紹介したいと思います！ MLP（多層パーセプトロン）とは MLP（多層パーセプトロン）とは人間の脳をモデル化したパーセプトロンというものを多層化したもののことです。これは、機械学習のアルゴリズムの１つであるニューラルネットワークの基本となるものです。 単純パーセプトロンは入力層と出力層からなるのに対し、上の図のようにMLPには入力層・中間層（隠れ層）・出力層の最低でも３つの層からなり、層が複数追加されているのが特徴です。 他のニューロンで出力されたものを別のニューロ

自己教師あり学習（Self-Supervised Learning：SSL）とは？：AI・機械学習の用語辞典 用語「自己教師あり学習」について説明。ラベルなしの大量データセットを使って、プレテキストタスク（疑似的なラベルが自動生成された代替のタスク）を解くための事前学習を行う学習方法のこと。その後、ターゲットタスクを解くために、（少量の）別のデータセットを使って事前学習済みモデルをファインチューニングする。 連載目次 用語解説 機械学習（厳密にはニューラルネットワーク）における自己教師あり学習（Self-Supervised Learning：SSL）とは、教師ラベルが付与されていない大量のデータセットを使って、プレテキストタスク（Pretext task）と呼ばれる「疑似的なラベルが自動生成された代替のタスク」を解くための事前学習を行う学習方法のことである。その後、本来の目的であるターゲ

Google傘下の人工知能研究企業・DeepMindといえば、中国最強棋士を打ち負かした囲碁AIの「AlphaGo」や、ゲームを自ら学んで人間以上のプレイをするAIの「DQN」を開発した企業です。そんなDeepMindが、単一のエージェントに複数の物事を学習させる際に役立つ技術「PopArt」を開発しており、その効果を明かしています。 Preserving Outputs Precisely while Adaptively Rescaling Targets | DeepMind https://deepmind.com/blog/preserving-outputs-precisely-while-adaptively-rescaling-targets/ 単一のエージェントが多くの異なるタスクの解決方法を学ぶことを可能にするのが「マルチタスク学習」です。このマルチタスク学習は人工知能

AppleがMac向けに独自開発する「Apple Silicon」の記念すべき最初のチップとなる「M1」は、海外メディアから「コンピューティング革命」や「信じられない偉業」など絶賛レビューの数々を受け取っています。そんなにM1チップは「ディープラーニングに適しているのか？」ということを、データサイエンス関連メディアのBetter Data Scienceが検証しています。 Are The New M1 Macbooks Any Good for Deep Learning? Let's Find Out | Better Data Science https://www.betterdatascience.com/m1-deep-learning/ M1チップは8コアCPUと8コアGPU、16コアニューラルエンジンなどがひとつになったチップセットで、CPU性能やGPU性能だけでみても、前世

どういう馬が予測されているのだろう どういう馬を買って100%を超えたのだろう?メインレースより条件戦の方を狙っているのかな? 競馬ファンなら気になりますよね。 ところが検証用データのDataFrameには馬名が入っておらず、馬番や人気なども前処理加工された値ばかりが入っており、オッズもrawデータではなかったためとてもわかりにくかったです。別途データを作成しなければ、調べることができませんでした. ディープラーニングから他のモデルに変更してみる これは僕が変更したコードです。 シンプルなニューラルネットワークと比較しても、もっとシンプルなロジスティック回帰に変更してみます。 from sklearn.linear_model import LogisticRegression model = LogisticRegression(C=2.0, penalty='l1', random_s

サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。

最近では16bitの浮動小数点数(FP16、あるいは半精度)で演算して、マシンラーニングの計算性能を改善するという話が一般化してきている。ということで、計算をより簡単に実行して性能を改善しようという動きがある。 今年のISC 2019では、混合精度計算のセッションが設けられ、その中でシンガポール国立大のJohn Gustafson教授が「混合精度の管理からプログラマを自由にするPosit」と題するプレゼンテーションを行った。Gustafson氏はHPCの世界では有名なコンピュータ科学者で、Gordon Bell賞も受賞している。アクセラレータの草分けのClear Speed社のCTOやAMDのチーフグラフィックスプロダクトアーキテクトを務めたこともある。そして、ISC 2019での発表時の肩書は、A*STARと国立シンガポール大学の教授となっている。 ISC 2019で発表を行うJohn

deep learning入門としてまずはAI(人工知能)の基本を押さえる それでは、まずはAI(人工知能)の基本について押さえた本からお話します。 deep learningについて学ぶ入門書として一番初めに読んでおきたいのは「人工知能は人間を超えるか」です。 この本の著者でAI(人工知能)の第一人者でもある松尾豊さんはAI(人工知能)の今と今後の展望についてきちんと理解できるようにするため、これまでAI(人工知能)の開発で研究者が辿ってきた道のりや現在の課題、基礎的な理論を初学者でも理解しやすいようわかりやすく説明しています。 松尾さんによるとこれまでAI(人工知能)が抱えていた壁は「必要な情報を見極め獲得する力」でした。そしてこの壁を突破できるかもしれないと期待されているのがdeep learning。 この本では、AI(人工知能)の基礎的な内容を押さえ、deep learningが

普及を始めるディープラーニング技術 ディープラーニングの技術は様々な分野にて本格的な導入が進んでいる。 ただし、その多くは安全性が求められない分野が多く音声認識やターゲティング広告、ニュース配信などが挙げられ、画像処理の分野でも同様に安全性が求められない顔認証や医療画像診断の補助機能、写真の検索用タグ付けなどが挙げられる。自動車の自動運転など安全性が求められる分野ではまだ本格導入には至っていないのが現状であろう。 様々な分野で活用されているディープラーニング それに対して、モノづくりにおける安全性を担保する「製品検査」の分野にて、ディープラーニングの採用がどれだけ進んでいるのか、そしてその将来はどのような世界が予測されるのか、2018年9月の時点で我々の考えをまとめて皆さんにお知らせしたい。ディープラーニングの技術が画像処理に有益なことは明らかであるが、工場の中の画像処理における実態に迫り

マシンビジョン業界におけるディープラーニング活用動向 マシンビジョン用途でディープラーニングを活用するため、各企業は様々なアプローチを試みてきた。本稿ではその方向性を紹介し、今後、どのような観点でディープラーニング技術に取り組むべきかを解説する。 マシンビジョンにディープラーニングを活用する製造業企業は、保有するAI技術レベルに応じて、大きく3つの層に分類できる。AI技術を社内で育て上げようとしている「HIGH」層、汎用AIパッケージ製品を活用してニーズに応じたアプリを自社で構築しようとしている「MIDDLE」層、社外リソースを活用して課題を解決しようとしている「LOW」層である。 「LOW」層の企業は、ディープラーニングに詳しいAIコンサルティング企業(以下、AIコンサル)に投資するという活動を行ってきた。この活動により市場が活性化し、新たなAIコンサルも数多く出現した。 しかし、前回の

ディープラーニング（深層学習）に関連する、開発事例や最新技術動向を情報発信するコミュニティー「DEEP LEARNING LAB」は2019年6月8日、2周年を記念するイベントを都内で開催した。本稿では基調講演で語られた内容を紹介する。 最初に登壇した東京大学大学院工学系研究科 人工物工学研究センター／技術経営戦略学専攻 教授 松尾豊氏は、2006年7月に発表されたGeoffrey E. Hinton氏およびSimon Osindero氏の論文「Deep Bellef Net」から始まり、2019年5月発表のJonathan Frankle氏およびMichael Carbin氏による「宝くじ仮説」に至るまでの歴史をひも解きつつ、「深層学習技術は進み、事例も増えてきた一方で、課題が残る」と指摘する。 平成元年（1989年）時と平成30年（2018年）時の世界企業時価総額ランキングを比較して、

ディープラーニング（深層学習）とは ディープラーニングとは機械学習の一種で、データを分析したり、学習する過程を強化した機能です。ディープラーニングはPythonなどのプログラミング言語を用いて実装されることが多く、AI分野の要となる技術として研究が進められています。 Pythonが使われる背景にはnumpyと呼ばれるライブラリが関係しているのですが、numpyは高速で数値を処理できる機能です。これにより、ディープラーニングは高度な計算を素早く可能にする機能として、AI技術などに転用されています。 ディープラーニングの仕組み IT技術のひとつであるディープラーニングですが、実は人間の脳がモデルとなっているのです。ディープラーニングは機械に知能をもたらすために応用された技術で、主なはたらきは概念と概念の結合度を変化させられることにあります。 チャットボットの技術を例に挙げましょう。 これまでは

ディープラーニングのプログラムを作成するには、Python言語を使うのが一般的。しかしPython言語の仕様や文法、プログラミングをまったくの知識ゼロから学ぶのは大変。本連載では、実際に開発で使用するコード例から本当に必要な基本文法を厳選し、それらを図解で分かりやすく説明していく。 全18回 （ 9時間） 必須条件： 知識ゼロから誰でもスタートできます。 こんな方にお勧め： プログラミングやPython言語について初めて学ぶ方 学習内容： 機械学習／ディープラーニングに最低限必要なプログラミング／Python言語の基礎知識が学べる はじめに ― 本連載の読み方 AI・機械学習・ディープラーニングを始めるが、プログラミングやPython言語についてまったく初めての人に向けて、その基礎の基礎を分かりやすく紹介する連載記事です。 Lesson 1～Lesson 12で「Python言語文法（基礎