本文へスキップ
AIの基本に戻る

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。

12分4個中0個の目標を達成

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

質問1/3あるシステムが、「猫」か「犬」のラベルが付いた何千枚もの写真で学習しました。いま、見たことのない写真にラベルを付けています。このシステムは何をしているでしょうか。

次:質問2/3

質問2/3サポートの受信箱を仕分けるツールが、請求に関するメッセージをたくさん、配送に関するメッセージを少しだけ使って学びました。新しいメッセージははっきりせず、どちらとも取れます。どうなる可能性が高いでしょうか。
質問3/3ビジュアルで、分類器が典型的なレモンをオレンジと呼び始めたのはなぜでしょうか。

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。