人工知能によって機械がどのように学習できるようになるのかを 1 つの記事で学びましょう?

「人工知能 (AI) を 1 つの記事で理解する」という記事で、AI が解決できる複雑な問題について紹介しました。これらの問題は固定ルールでは解決できず、過去の事例との比較評価に基づいて機械が最終的に判断する必要があります。機械は物事を学習する際に人間を模倣する必要があります。

人間の学習プロセスは、知覚、記憶、比較と帰納、要約と実践の各段階に分けることができます。

知覚: 自分の感覚（視覚、聴覚、触覚、味覚、嗅覚）を通じて外界から情報を取得し、周囲の環境や何が起こっているかを観察し、体験します。個人的な経験に加えて、より効率的に情報を入手するために、人々は過去に何が起こったのかを理解するために、話を聞いたり、本を読んだり、ビデオを見たりします。

記憶: 新しい情報を入手したとき、私たちは将来使用する必要がある情報を脳内に記憶し、必要がないと思われる情報を

破棄します。 。

比較と帰納

: 人々が新しい情報を理解するための最良の方法は、それを自分の記憶にある情報と比較することです。新しい情報を理解し、その類似点と相違点を比較することで異なる情報を分類します。

要約

: 人々は個々の情報を統合し、情報間のつながりやパターンを推測します。物事の原因と結果を理解するのに役立つ情報ネットワークを構築します。

実践: 学習の意味は、得た知識を実生活に応用することです。問題解決時に知識の適用性と正確さを検証します。検証プロセス中に、新たな認識プロセスが始まりました。

学習プロセスの概略図

これらの 5 つのステップでは、コンピューターが最も得意とするのは記憶であり、自然で人間味のあるデータ認識は多くの人手を必要とするプロセスですが、機器で検出できるデータインジケーターを自動的に収集してデータを収集できます。 3 番目のステップの比較と帰納、および 4 番目のステップの要約は、アルゴリズム実装の一部です。機械学習プログラムと通常のプログラムの最大の違いは実践的な部分です。通常のソフトウェアは結果を出力した後、全体の処理が完了する。ただし、機械学習プログラムは各結果にスコアを付けることができ、アルゴリズムはそのスコアに基づいて 操作の結果を調整できます。

機械が学習するには実行結果からのフィードバックが必要であるため、機械学習アルゴリズムの開発プロセスには、アルゴリズムの作成と学習という 2 つの段階が含まれます。機械学習フェーズはトレーニング フェーズとも呼ばれ、既知のデータが学習と検証に使用されます。各トレーニング セッションの結果が評価され、アルゴリズムが調整されます。この学習プロセスは、教師あり学習と教師なし学習の 2 つのタイプに分類されます。

教師あり学習は、明確な期待を持って解決すべき問題に適しており、将来発生する同様の問題を機械が予測できることが期待されています。教師あり学習の学習データは、プログラム入力の特徴情報とプログラム出力の結果情報をペアで表現する必要があります。教師あり学習トレーニング中、トレーニング セットはランダムに 2 つの部分に分割されます。1 つの部分はプログラムのトレーニングに使用され、もう 1 つの部分はアルゴリズムの処理結果が期待を満たすかどうかを検証するために使用されます。

教師なし学習は、データ間の関係とパターンを調査し、特定の問題の結果を取得するために使用されます。教師なし学習の学習データはプログラムによって入力された特徴情報のみを持ち、学習時の学習にはデータ全体が使用されます。教師なし学習によって得られたトレーニング結果はトレーニング セットでは検証できないため、アルゴリズムを調整する前に個別に評価する必要があります。

機械学習のプロセスは人間の学習プロセスを模倣します。機械学習を理解する過程では、IT の知識を学ぶだけですが、自分自身の学習プロセスを最適化する方法についても考えることができます。