AI、機械学習、ディープラーニングの違いは何ですか？

AIとは

学問分野としての人工知能は1956年に設立されました。当時の目標は、今のところ、コンピュータに、人間に限って考えられるタスク、つまり知能を必要とするものを実行させることです。当初、研究者はチェッカーのプレイやロジックの問題の解決などの問題に取り組みました。

これらのチェッカーの1つがプログラムを再生している出力を見ると、特にコンピュータがあなたを打ち負かしたときに、それらの動きの背後に何らかの形の「人工知能」があることがわかります。初期の成功により、最初の研究者はAIの可能性に対してほぼ無限の熱意を示しました。これは、いくつかの問題がどれほど難しいかを誤って判断した程度によってのみ一致しました。

したがって、人工知能はコンピュータの出力を指します。コンピューターはインテリジェントな処理を行っているため、人工的な知能を示しています。

AIという用語は、これらの問題がどのように解決されるかについては何も言いません。ルールベースまたはエキスパートシステムを含む多くの異なるテクニックがあります。そして、1980年代には、機械学習という1つのカテゴリの技術がより広く使用されるようになりました。

機械学習とは

これらの初期の研究者がいくつかの問題をはるかに困難であると判断した理由は、それらの問題がAIに使用された初期の技術に対応できなかったからです。ハードコードされたアルゴリズムまたは固定されたルールベースのシステムは、画像認識やテキストからの意味の抽出などにはうまく機能しませんでした。

解決策は、人間の行動（AI）を模倣するだけでなく、人間の学習方法を模倣することであることがわかりました。

どのように読み方を学んだかを考えてください。最初の本を取りに行く前に、座ってつづりや文法を学びませんでした。単純な本を読んで、時間をかけてより複雑な本を卒業します。あなたは実際にあなたの読書からスペルと文法のルール（と例外）を学びました。言い換えると、大量のデータを処理し、そこから学んだということです。

それがまさに機械学習のアイデアです。アルゴリズムに（脳とは対照的に）大量のデータを供給し、それを理解させます。金融取引に関する大量のデータをアルゴリズムに入力し、どの取引が不正であるかをアルゴリズムに通知し、不正の兆候を解明して、将来の不正を予測できるようにします。または、顧客ベースに関する情報をフィードして、それらをセグメント化するための最良の方法を把握させます。機械学習手法の詳細については、こちらをご覧ください。

これらのアルゴリズムが開発されたとき、それらは多くの問題に取り組むことができました。しかし、人間が簡単に見つけたいくつかのこと（音声認識や手書き認識など）は、マシンにとって依然として困難でした。ただし、機械学習が人間の学習方法を模倣することである場合は、ずっと進んで人間の脳を模倣してみませんか？それがニューラルネットワークの背後にある考え方です。

人工ニューロン（シナプスでつながっているニューロンは脳の主要な要素です）を使用するという考えはしばらく前からありました。そして、ソフトウェアでシミュレートされたニューラルネットワークは、特定の問題に使用され始めました。彼らは多くの約束を示し、他のアルゴリズムでは対処できないいくつかの複雑な問題を解決することができました。

しかし、機械学習は依然として、小学生が簡単に取り組んだ多くのことに行き詰まっています。この写真には何匹の犬がいるのか、それとも本当に狼がいるのでしょうか。あそこを歩いて熟したバナナを持ってきてください。本の中でこのキャラクターがそれほど泣いたのはなぜですか？

問題は機械学習の概念にあるのではないことがわかりました。または、人間の脳を模倣するという考えを使っても。比較的単純な方法で接続された数百または数千のニューロンを持つ単純なニューラルネットワークは、人間の脳ができることを複製できなかっただけです。あなたがそれについて考えても、それは驚くべきことではありません。人間の脳には約86億のニューロンと非常に複雑な相互接続があります。

f:id:reneerlewis326rhyta:20200813110849j:plain

ディープラーニングとは

簡単に言えば、ディープラーニングとは、より多くのニューロン、レイヤー、相互接続性を持つニューラルネットワークを使用することです。人間の脳の複雑さを真似ることはまだまだ先ですが、その方向に進んでいます。

自動運転車からGo-playingスーパーコンピューター、音声認識に至るまでのコンピューティングの進歩について読むと、それは内部の深い学習です。あなたは何らかの形の人工知能を体験します。舞台裏では、そのAIはある種のディープラーニングによって支えられています。

いくつかの問題を見て、ディープラーニングが単純なニューラルネットワークや他の形式の機械学習とどのように異なるかを見てみましょう。