人工知能って一口にいうけど今話題になってるのが、深層学習っていう能力なんです。
人工知能の深層学習能力？
それおいしいのっていうくらい何を言っているのか分かりません。
なので、いったい何のことを言っているのかを自分なりに解説してみようと思います。
いろんな本とかネットとかを見てみると深層学習について何やらおまじないのような文字が書かれています。
よくあるのが「深層学習とは自己組織化学習機能を持つ多階層に構築されたニューラルネットワークだ」。
何を言っているんだろうかということです。
しっかりと深層学習（ディープラーニング）とは何かを近いするには、言葉の意味を理解していく必要場ありますので、一つ一つ理解していきましょう。
スポンサーリンク
ニューラルネットワークって何？
深層学習を理解するうえで重要なのがニューラルネットワークですが、これは人間の脳の働きをまねて作り上げた人工知能の能力です。
どういう意味でしょうか？
簡単に言うと脳とは階層的に情報を処理するようにできていて、視覚や聴覚味覚などを通じてインプットされた情報を分析しその情報が何を表しているのかという概念を次の階層に伝えていきます。
そこで脳のように何段にも層を重ねた深い階層を作り上げることで浅い構造のネットワークにはできない高い性能を引き出すのが深層学習なんです。
下のニューラルネットワークは3層構造からなる比較的単純なネットワークなので、実際に情報が入力されても入力された情報を理解しやすいように変換して出力するだけ。
例えばある画像を入力すると中間層で処理されて出力させる答えは「人間の顔」だったということが分かるだけだったのがそれを以下のように層を重ねるとどうなるか？
すると、画像が人間の顔ということが分かるだけでなく、男性か女性または怒っているのか、笑っているのかまで出力することができる（らしい）。
しかしただネットワークを積み上げても意味がない。
自己組織化学習（教師なし学習）
そこで必要になってくるのが「自己組織化学習」です。
また訳が分からない言葉が出てきましたが、つまりいきなり０のところにデータを入力するのではありません。
あらかじめデータを入力しておくことで、それらを組み合わせた人間の顔という概念を作り上げておく。
データの数量は1-2枚などではもちろんなく、1000万枚にも及ぶ人間の顔写真を入力することでより多くの概念をあらかじめ作り上げておくことができるのです。
この概念を作り上げたうえで、各ニューロンに「教師あり学習」を与えることで最終的なデータがより正確なものとなって出力されるよう修正されていく。
ここで「教師あり学習」という言葉が出てきました。
人工知能の学習方法
人工知能が学習する方法は3つ。
- 教師あり学習
- 教師なし学習（自己組織化）
- 強化学習
この中で、自己組織化は人口知能が勝手にデータを取り込みそしてそれらを活用するべき時に備えてデータをひたすら貯える学習。
例えば、人工知能の目的が男女を区別することだとすると、教師なし学習ではとにかく男女問わすとにかく写真データを蓄えることがこれにあたります。
そしてデータを蓄えた時点で、例えば写真を人工知能に認識させ男女を判別させるが、その際に男性と女性の違った特徴を教師あり学習で教え込む。
この段階での教師あり学習とは、人工知能を構成するニューロンが出した判断が間違っていた場合丼おような判断をすればよかったのかが信号として与えられる。
そして最後の強化学習はというと、人工知能に対しての支持は基本的に行われないが、人工知能が出した結果に対して報酬または罰が与えられる学習方法。
深層学習についていろいろ書いてみましたけど、全く分からない単語が多すぎて、初めて人工知能で今一番熱い深層学習の話を聞いて何のことかよくわからないでしょう。
できるだけ簡単にまとめてみましたがまだまだ付け足すことがありますね。
その部分はまたこのブログでも書いていきますね。
スポンサーリンク
