ディープラーニングのお話で、機械学習という言葉を使ったので、簡単にイメージを書きます。
機械学習は、人工知能(AI)で使われる技術の一つで、コンピューターに人間と同じように学習させることで、推論をさせようというものです。
機械学習は、大きく以下の二つの手順を行います。
一つは、学習させてモデルを作る
一つは、モデルを使って推論する
です。
学習にもいろいろとあります。
最近有名なのは、ディープラーニングですね。これは別ページに書きました。
イメージしやすいところで、教師付き学習を書くと、
・学習に使う入力データを集める
・どういうデータか特徴を分類する
・入力するデータから、何を出力するかを決める
・出力結果が期待するものになるように学習させて、推論に使うモデルを作る
・作ったモデルに、推論したいデータを入力して、その出力結果を機械が導き出した推論として使う
という感じです。
教師付きというのは、出力結果が正解か不正解かを教えて学習するもので、正解になるように学習するので、バッチリ推論できそうですよね。
でも、そう簡単じゃないんです。
学習を繰り返すと、学習に使ったデータは、だんだんと完璧な出力結果を出すようになります。
そうして作ったモデルを使って、新たなデータを推論させても必ずしも正解になりません。
それは、学習に使ったデータにチューニングされてしまっていて、新しく入力するデータにふさわしいモデルになっているとは限らないからです。
学習に使うデータは、幅広い特徴がまんべんなく含まれていなければならないんです。
難しいですね。
様々な壁があったのを、ビッグデータを使うことでディープラーニングが一歩進めたんです。
それで、AIがすごくなったっていわれるようになったんです。
でも、どんなに精度が上がってきても、正解の確率が高くなるだけで、決して100%正解となる推論はできません。
そのことはわかった上で、新しい技術を何に応用できるかを考えましょう。
さらに詳細を知りたい方は、個別に説明しますので、別途ご相談ください。