top of page
  • やま

AIのデータと学習機能について


こんにちは「やま」です

今回は 人工知能(AI)にとって必要な情報について、お話したいと思います。


1、AIのデータとは?

そもそもAIにとって必要な情報とは何か?ですが、AIにとって情報はデータとなります。

では、AIのデーターとは何を指しているのか・・・。

例えば、画像、数値、診断などのデータです。


●車で例えてみると

 ・画像データ:信号、標識、路面標示

 ・数値データ:過去の情報による渋滞予測、過去の事故例から性能の向上

 ・診断データ:運転の癖(急ブレーキ」「急加速」「急ハンドル」「スピード超過」)、

ドライバーの異変


●医療で例えてみると

 ・画像データ:レントゲンやMIR

 ・数値データ:血液検査、心電図

 ・診断データ:症状


上記、データの種類が異なるので異なるAIが存在していると思います。

画像AI、数値AI、診断AIと。。。。。

この画像AI、数値AI、診断AIが組み合わせると

画像と数値を組み合わせることにより、渋滞予測が向上したり、

画像と診断を組み合わせることで、病名がわかったりするかと思います。

では、このデータをどのようにしてAIに学習させていくのでしょうか。


2、AIの学習

AIにもお勉強が必要です。その方法は「機械学習」というのがあります。

機械学習とは、入力されたデータからコンピューターがパターンやルールを発見し、種類や予測などをしてくれます。

例えば、大量のニンジンとジャガイモの写真をコンピューターに入力することで、コンピューターがニンジンとジャガイモのパターンやルールを発見し、

ニンジンの写真を入力すると、それはニンジンであるという回答が出せるようになります。


機械学習には、「教師あり学習」「教師なし学習」「強化学習」の3つ分類があります。

・教師あり学習:解答を用意する

 正解のラベルを付けた学習用データにより学習する。

 あらかじめ明確になっている場合に利用

  ⇒例えば、人間が猫の解答ラベル付きをAIが教師データとして学習し解答を出力

  活用方法として画像認識、翻訳、需要予測が


・教師なし学習:解答を用意しない

 正解のラベルを付けない学習用データより学習する。

 特徴を正確に指定するのが難しい場合に利用

  ⇒例えば、たくさんの画像をAIに見せて特徴(変わったもの・共通するものなど)を

   見つけ出し解答を出力

   活用方法として、不良品の検知、画像の色彩の補正・着色


・強化学習:試行錯誤を行いより良い結果を目指す

 毎回変化する条件下で試行錯誤を積み重ねる必要がある場合に利用

  ⇒例えば、

   しつけのため動物に指示をする → 指示を聞いたら餌を与える報酬(成功)→

   行動基準の変更 → 動物に指示をするの繰り返すことで動物のしつけ向上となる。

   活用方法として将棋、囲碁、チェスなどのゲーム


また、機械学習の手法に、「深層学習」があり、近時のAIブームのきっかけとなった手法として特に注目されています。

深層学習とは、多数の層から成るニューラルネットワークを用いて行う機械学習です。

ニューラルネットワークは、人間の脳内のニューロン同士の結びつきを参考に作られた学習手法で、入力層・隠れ層(中間層)・出力層の3層構造になっています。



深層学習の仕組み



この学習は人がコンピュータにデータをインプットしなくても、コンピュータが自動で大量のデータから自ら分析・抽出する処理が可能になりました。

例えば、あらかじめ人がコンピューターにデータをインプットすることで、ニンジンとジャガイモの識別が可能となりますが、深層学習では、「色」「形」「大きさ」など着目し学びますが、深層学習は、どのような根拠により判断を行ったかを人間が理解することが難しいという点も指摘されていますが、AIが根拠を示せばよいのではと思いますが、おそらく根拠とかどのように判断したのかを示すことができる日がくるのではと思っています。)

活用方法としては、自動運転、自動翻訳、医療研究など


3、まとめ

さて、今回はAIのデータ、解答を出すための学習機能の種類をお話しました。

学習機能から生みだされた自動運転レベル2(部分自動運転)を先日運転してみました。

しかも雪国で!!


自動運転の結果はNGでした。

二つ理由があり、

・道路に雪が積もっており白線などを認識しない。

・田舎の道は白線などが消えたりロストしているところがあり車が線を認識しにくい

⇒よってオートパイロットがうまく動作しませんでした。


NGの所もありましたが、OKだったところもあり、直線、カーブ、高速道路は自動で運転してくれましたが、事故を起こしたらという事を考えると安心はできなかったので、すぐに自動運転を解除しました。


さまざまな学習機能でAIの向上・進歩が進んでいますが、車の安全性に関する自動化に対してまだ時間がかかるのかなと感じました。

早く、AIによる自動運転レベル5に乗ってみたいです。


※自動運転レベル2(部分自動運転)とは、アクセルとブレーキ操作による前後の加速や 減速の制御と、ハンドル操作による左右の制御の両方をシステムが担う


※参考出典

総務省 人工知能(AI)研究の歴史


閲覧数:6回0件のコメント

最新記事

すべて表示

身近なIT技術 ~RPA編~

アーキテクトGの「なゆ」です。 皆さまの身近にあるIT技術をお届けしたいと思います。 今回は、仕事でよく聞く「RPA(Robotic Process Automation)」技術についてご紹介します。

AIブームは何回も繰り返し進歩している

こんにちは「やま」です。 2023年は「生成AI」元年といわれいますが、そもそも「生成AI」以前より、「AI」はいつからどのように始まったのか、AIの歴史についてお話したいと思います。 AIにも何回かブームの時代と冬の時代を繰り返しているようです。 1、~第1次人工知能ブーム~ 人工知能の始まり 「AI」の始まりは1950年代であり、以下の3人のアイデアがもとになっていると言われいるようです。 ・

bottom of page