google-site-verification: googlec11dd3c59de6bdc4.html
人工知能はどこまで人間に迫るのか
How close will artificial intelligence get to humans?
深層学習

1)深層学習と機械学習

機械学習と深層学習は異なります。

人工知能>機械学習>深層学習です。

機械学習は特徴量抽出アルゴリズム(HOG等たくさん手法あり)を人間が考えて、クラス分けを計算機にやらせるものです。アルゴリズムが不適ですと良い成果が得られないことがあります。結構大変な作業です。選択する手法も多岐にわたります。

線形回帰、ロジスティック回帰、サポートベクターマシン、決定木、ベイズ、クラスタリング、とこれらは教師データありの手法です。

教師なしの手法ではクラスタリング、自己組織化マップなどがあります。

深層学習は特徴量抽出も多層パーセプトロンやCNNにやらせてしまうものです。深層学習も分野ごとに何種類もあります。パーセプトロン、畳み込みニューラルネットワーク(CNN)、自然言語処理の分野では再起型ニューラルネットワークが有名です。

いままで機械学習ベース(ルールベースのアルゴリズム)で行われていた異常検知や分類、回帰などの処理の多くが、ディープラーニングベースに置き換わりつつあります。自動車の自動運転、精密機械に職人のノウハウを覚えさせていく、などが頭に浮かびます。また、深層学習が活躍している顔認識、医療画像診断、構造物検査などでは従来の機械学習の精度では実用化のレベルに達しません。

Kaggleは世界中からデータサイエンティストが機械学習(深層学習も含まれる)のモデルの精度を争うコンペですが、最近は高機能マシンを用いて競うようになり、モデルの精度、コストは基本的にトレードオフの関係になってきています。線形解析は精度は普通でコスパが高く、これに対して深層学習は高い性能を発揮するがコストが高いといわれています。

トップページへ