機械学習と人工知能

公開: 2020-08-07

機械学習と人工知能

COVID-19のパンデミックにより、現在全世界が封鎖されています。ウイルスのさらなる拡散を避けるために、学校、大学、さらにはオフィスさえも閉鎖されました。いくつかの新しいテクノロジーで自分自身をスキルアップしたい場合、またはそれらについてもっと知りたい場合は、これが最適な時期です。

機械学習（ML）と人工知能（AI）は、探求したいスキルまたはテクノロジーの1つであり、適切な場所にいます。いくつかのオンライントレーニング機関が提供するワールドワイドウェブ上で利用可能な多くのAIおよび機械学習コースがあります。 それらのほとんどとは異なり、ほとんどの素人用語でMLとAIの基本を説明します。また、要約セクションでは、2つの違いについても説明します。それ以上の苦労なしに、始めましょう。

人工知能（AI）：

アイアンマンの映画を見たことがあるか、かなり現代的なスマートフォンを使用している場合は、おそらく人工知能（AI）について聞いたことがあるはずです。復習のために、アイアンマン映画のJARVISはAIです。また、AndroidデバイスのGoogleアシスタントまたはAppleデバイスのSiriは、私たち全員が知っていることですが、人工知能について考えることができる最良の例です。ただし、人工知能はアシスタント以上のものです。

実際に定義を調べて、人工知能とは何かを理解しましょう。

「コンピュータサイエンスは、人工知能の研究を「インテリジェントエージェント」の学習と定義しています。つまり、環境に適応し、目標を達成する可能性を最大化するために必要なアクションを実行するデバイスです。 より詳細な定義では、AIを「外部エージェントから派生したデータを正しく理解し、そのようなデータから学習し、それらの学習を使用して柔軟な適応を通じて特定の目標とタスクを達成するシステムの能力」と説明しています。

素人の言葉で言えば、AIは、特に画像に基づく猫と犬の分類、顔認識、医薬品研究、音楽作成などの複雑な問題を解決しながら、人間の行動や行動を模倣しようとする人工的に作成されたシステムです。

ほとんどのAIおよび機械学習コースでは、次の3種類の学習AIシステムを紹介していません。

ナローAI（ウィークAI） ：現在、すべての誇大広告とAIアプリケーションがここにあります。これは、人間と同じかそれ以上に特定のタスクを実行できる人工知能システムです。それは一般的に意識を経験することができません。例：ソーシャルメディアの顔検出器、オブジェクトと形状の認識、ゲームのAIなど。
一般的なAI（強力なAI） ：人間と同じ精度レベルであらゆる知的タスクを実行できる一般的な状態に達したAIシステムです。それは意識を経験することができます。
スーパーAI（理論的AI） ：あらゆる面で人間の知性を超えるAIシステムです。それは最も明るい人間を打ち負かすことさえできます。ほとんどの人はこのタイプのAIについて心配しています。イーロンマスクのような有名な顔は、これらのAIシステムが人類の絶滅につながる可能性が高いと感じています。

AIの部分を要約すると：

これは、機械が人間のような知性を持つことを可能にするコンピュータサイエンスの幅広い分野です。 AI作業のほとんどは、現在「ナローAI」カテゴリで行われています。一般的なAIやスーパーAIを作成することにはほど遠いです。

機械学習（ML）：

大手ハイテク大手からの最近の発表をフォローしている場合は、この用語を聞いたことがあるでしょう。 Microsoftが最近発表したように、MS-Wordの「FIND」機能の改善に取り組んでいます。この機能では、[検索]テキストボックス（「Ctrl + F」）でタイプミスをした場合でも、MLを使用して目的の単語を検索します。

最初に定義を見てみましょう。

「機械学習は、経験を通じて自動的に調整されるコンピューターアルゴリズムの詳細な研究です。 「「

AIのセクションです。これにより、システムは、明示的にプログラムされていなくても、その経験から自動的に学習して改善することができます。これは、 MLが高度なアルゴリズムのセットと、（ほとんどの場合）ラベル付きの構造化およびクリーンアップされたデータに依存しているために発生します。 MLシステムは、データの機能（列、属性、または重要なデータ）間の関係を学習しようとします。データは、ユーザーによってMLモデルに提供されます。

基本的な理解は、基本的な機能とラベルとの関係を使用して、タスクのソリューションを導き出すことです。 関係を学習することにより、パターン、データの固有の性質、およびそれらの値が名前にどのように影響するかを識別します。 データの解析から理解したことに基づいて、さまざまなアルゴリズムを使用して情報に基づいた意思決定を行います。 モデルは、トレーニングで使用されたデータでトレーニングされ、検証データでパフォーマンスと精度が検証され、テストデータでテストされます。

MLシステムは、従来の方法とは異なり、ソリューションに明示的にコード化されたロジックを必要としません。たとえば、プログラマーが売上予測のための式/論文をハードコーディングする代わりに、モデル自体がトレーニング段階で吸収するパターンと関係に基づいて哲学を学習します。 MLアルゴリズムには次の3つのタイプがあります。

教師あり学習：ここでは、トレーニングデータはラベルで構成されています。 MLモデルのスーパーバイザーとして機能します。したがって、教師あり学習と名付けられました。例：線形回帰、決定木など
教師なし学習：ここでは、トレーニングデータにラベルはありません。 代わりに、MLモデルはパターンを見つけ、データに基づいてそれ自体で有用な特徴を抽出します。スーパーバイザーがいないため、教師なし学習と呼ばれます。これらは、クラスタリングに一般的に使用されます。たとえば、K-Meansクラスタリング、アソシエーションなどです。
強化学習：ほとんどのAIおよび機械学習コースでは、このタイプについてあまり説明していません。 重要なアイデアは、正しいアクションを実行したことに対してエージェントに報酬を与えることです。また、間違ったステップごとにペナルティを課します。 Q-Learningなどのゲームと同じように、試行錯誤のアプローチに従ってください。

MLの一般的なアプリケーションには、売上予測、予測、不正検出などが含まれます。

AIとMLの概要

人間の知性や行動を模倣します
より広い用語
それはまだ研究分野です。
現在、いくつかのセクターと製品開発で実装されています。

これは、コンピューターが既存のデータから学習できるようにする手法です。
MLアプリケーションのほとんどは、すでにいくつかのセクターと製品開発で使用されています。

したがって、 AIと機械学習のコースを選択する際は、これらのセクションがすべて網羅されているかどうかを確認してください。