ProgLearn講座

【説明できる?】AI・機械学習・ディープラーニングの違い【機械学習説明 編】

こんにちは、ProgLearn;編集部です。

今日は機械学習について学びましょう。

過去の記事はこちら

まずは概念の復習です。

AI>機械学習>ディープラーニング

・AIが最も広義の意味を持った言葉

・機械学習はAIの一部の機能を説明する言葉

・ディープラーニングは機械学習の一部の機能を説明する言葉

図はこちら

出典:https://markezine.jp/article/detail/29471

機械学習とは

明示的にプログラムしなくても学習する能力を与えたコンピュータ上のシステムを機械学習という。

機械学習とは以下の2つの特徴を持つ処理系のことである。

1.学習(Training)

入力データに基づき利用側の目的とする事柄に対してその特徴、時系列や空間上のパターンを学習する。

2.推論(Inference)

学習結果に基づき入力データに対して利用側の目的とする事柄に関する推論を行う。未知の事柄について何らかの論理的規則により明らかにする事を推論と言う。

https://www.buildinsider.net/small/bookthinkingmachines/0101

また、これに加えて5つの適用範囲が存在します。

検知(Detection)
定常状態と異なる入力データが発生した際に異常と判断する(Anomaly Detection)。例えば、不良検出やセキュリティなどに利用される。ロボットや移動体の単体内部の異常検知に限らず、これらの個体群全体としての異常検知にも応用できる。さらに、総体の正常状態(人であれば健康状態)に対して病気を異常状態とすれば、医療(例えば癌検出等)に利用可能である。

予測(Prediction)
過去の入力データのパターンから近未来の入力データのパターンを予測したり、空間上のデータ列に対して特定空間領域のパターンを予測する。例えば、気象予測、株価予測、代替投資、交通や通信の渋滞予測、電気・ガス・水道などのインフラ網状態管理、動画予測、音声予測、予知保全などに利用される。その他、画像の欠損部分の補間や動画のフレーム間予測にも応用できる。また、人間や動植物の状態を入力データとすれば、健康状態の予測といった健康管理等への応用も可能である。

立案(Planning)
学習結果を経験として自律的に立案する。未来予測の結果等を基にもっともらしい行動計画を立て、自立したシステムを支援する。例えば、自動車、バイク、船舶、ドローン等の移動体の自動運転、工場、プラント、移動体群等、多くの要素からなるシステムの自動制御、自立ロボットや自立ボットの作業や複数のロボットやボットの協調作業、レコメンド(ファッションのレコメンドは既にサービスインしている)等に利用される。

生成(Generating)
特定事象の入力データの特徴を学習し、その特徴に基づく特定事象を模倣・生成する。例えば、特定画家の絵画の特徴を学習してその画家の画風を持つ絵を生成する。また自然画や音楽の生成の研究もある。

認識(Recognition)
検知・予測・立案・生成の応用の基になるのが物事の認識であり、画像認識、画像・動画像内の物体認識(オブジェクト・トラッキング)、動画に対するキャプション付け(状況認識)、音声認識、読唇術、さらに翻訳や要約といった自然言語処理等に応用されている。

以上が機械学習の説明になります。少し難しくなってきましたね。。。
なんとなく理解できれば大丈夫です!

次回は”ディープラーニングについて”です。乞うご期待!