AIの基本 · 第1章(全8章)
AIとは何か、何ではないのか
現在使われているAIシステムの多くは、例からパターンを学び、それを使って新しいものに対する出力を推論します。そうしたシステムは心でも、データベースでも、検索エンジンでもなく、その例があらゆる答えを形づくります。
目標
- 2種類の例を置いて、分類器に学ばせましょう。未完了
- 新しい果物を試して、どの例が答えを決めるかを見ましょう。未完了
- 偏った例をまとめて追加し、境界が動く様子を見ましょう。未完了
- 確認問題に合格しましょう。未完了
ステップ1/4: 本文
例から学ぶ
現在使われているAIシステムの多くは、例からパターンを学び、そのパターンを使って新しいものに対する出力を生み出すプログラムです。この例をデータと呼びます。出力は、「スパム」のようなラベルのことも、来週の売上のような数値のことも、文の次の単語のこともあります。
このように出力を導き出すことを推論と呼び、答えはどこかで調べて見つけるのではなく、パターンから出てきます。
まず学習、次に利用
こうしたシステムには2つの段階があります。学習では、たくさんの例を見せられ、それに合うように自分を調整します。利用では、学んだことを、見たことのない入力に当てはめます。使っても学んだことは変わらず、変えるにはもう一度学習が必要です。
何ではないのか
それは心ではなく、パターンから出力を計算するだけで、何も望みません。データベースでもありません。データベースは保存されたものしか返しませんが、AIシステムは誰も保存していない入力にも答え、間違えることもあります。検索エンジンでもなく、自分でページを取ってくることはしませんが、検索エンジンにつなぐツールもあります。
例が決める
システムは自分の例からしか学ばないので、例があらゆる答えを形づくります。例が偏っている、つまりある種類やある情報源の例がほかよりずっと多いと、答えも同じ方向に傾きます。主にある1つの国で撮られた写真から学んだシステムは、ほかの場所の写真ではうまくいかないことが多くなります。
ビジュアルでは
あなたは分類器、つまり物を種類ごとに分けるプログラムを学習させて、大きさと色からレモンとオレンジを見分けられるようにします。果物はそれぞれマップ上の点です。新しい果物を判定するとき、分類器はマップ上でその果物にいちばん近い3つの例、つまり最近傍を見つけ、その多数が属する種類で答えます。答えが一方の種類からもう一方へ切り替わる線が、分類器の境界です。
この単純な分類器では、学習とは例をそのまま残しておくことです。一方、大規模なモデルは学習中に膨大な数の内部の値を調整し、例ではなくその値を残します。
ステップ2/4: 試す:小さな分類器に教える
小さな分類器に教える
マップにレモンとオレンジを置き、分類器が見たことのない果物を試し、それから偏った例をまとめて追加して、境界が動く様子を見ましょう。
ビジュアルを読み込んでいます…
モード:本物本物:分類器はこのページで動き、マップ上の果物だけから学びます。最後のステップでは、ページが新しいレモンと追加分を置き、そのレモンの答えが変わる場所に追加分を置きます。
ステップ3/4: 確認問題
確認問題
次:質問2/3
ステップ4/4: これでできること
これでできること
- AIシステムは例のパターンから出力を推論することを、やさしい言葉で説明する。
- 学習(システムが例から学ぶとき)と利用(学んだことを当てはめるとき)を区別する。
- AIシステムが心でも、データベースでも、検索エンジンでもない理由を言う。
- 偏った例が偏った答えにつながる理由を説明する。