AIについて学ぼう

AIについて学ぼう(基礎~応用)

AIの作成に便利な基礎知識から応用まで、AIの知識を学ぶことができる記事一覧です。

人工知能の基礎を理解する

AIのタイプ活用事例、構築の手法などを通して、AIの基礎を理解

AIの基礎と4タイプ

AIの基礎と4タイプ

まず人工知能(AI)とは、「人工的にコンピュータ上などで人間と同様の知能を実現したもの」と定義されています。人工知能の専門家によっても定義が異なる事が多々あり、以下でいくつかの人工知能の種類をご紹介します。

人工知能(AI)の4種類

  • 1.特化型AI

    1つのことに特化して自動的に学習や処理を行うAI

  • 2.汎用型AI

    様々な分野を自動的に学習することができるAI

  • 3.強いAI

    自身が幅広い知識と何らかの自意識を持つAI

  • 4.弱いAI

    全認知能力を必要としない問題解決や推論を行うAI

AIの活用事例

AIの活用事例

将棋やチェスなどレガシーなゲームから、医療現場での専門的な判断など、現在すでに実働をしているAIは多数存在します。人工知能の活用事例にはどのようなものがあるのかをご紹介していきます。

人工知能(AI)の4種類

  • 1.ボードゲーム
  • 2.コールセンター業務効率化
  • 3.株取引
  • 4.Google翻訳
  • 5.AI医療
  • 6.きゅうりの仕分け機
  • 7.AIを利用したチャットボット
  • 8.AIを利用した住宅

AIの構築手法

AIの構築手法

機械学習、強化学習、ニューラルネットワークなどAIには複数の構築手法が存在します。それぞれに得意分野が存在しますので、実装するプロジェクトや期待するオペレーションに合わせて選択が必要です。

人工知能(AI)の手法

  • 1.機械学習

    人工知能が人間の学習能力を模倣し、それをコンピュータで実現しようとするAI技術のことです。

  • 2.強化学習

    強化学習は囲碁や将棋などのボードゲームや、自動運転にも使用される人工知能の学習です。

  • 3.ニューラルネットワーク

    人間のニューロンを模したAIで隣のニューロンに信号を伝達していくことでディープラーニングを行います。

人工知能(AI)用語のディープラーニングとは?

人工知能(AI)用語のディープラーニングとは?

脳の中にある無数のニューロンが、隣のニューロンに電気信号を伝達していく様子が、図のような層を重ねたAIモデルとなっています。この層が深くなったものを層が深いという意味で「ディープニューラルネットワーク」と言い、このモデルを利用して人工知能で機械学習をすることを「ディープラーニング」と呼びます。

AIの基礎を理解するための記事

【2022年版】人工知能(AI)とは?誰でも簡単!ディープラーニングの仕組み

機械学習の
概要や種類

機械学習の概要や種類

機械学習とは、その名の通り機械(コンピューター)に学習させることです。
AI(人工知能)も私たち人間と同じように学習しなければ何もしてくれません。機械やロボットたちは学習することによって、有益な情報を出力することができるようになるのです。

機械学習の技法

  • 相関ルール学習(英語版)
  • ニューラルネットワーク (NN)
  • 遺伝的プログラミング (GP)
  • 帰納論理プログラミング (ILP)
  • サポートベクターマシン (SVM)
  • クラスタリング
  • ベイジアンネットワーク
  • 強化学習
  • 表現学習

機械学習の3つのメリット

1.多くの現場で活用されている / 2.簡単に扱えるようになった / 3.機械学習の情報は無限に収集できる、というメリットが有名です。

機械学習を理解するための記事

機械学習とは?機械学習の概要や種類について分かりやすく徹底解説!

機械学習による売り上げ予測は可能か?

機械学習

機械学習を使った売上予測は販売の形を変える

機械学習を活用した売上予測は販売の形を変えることになります。
ユーザー側から見ると、気の利いたお店が増える、ということになります。今後は個人の嗜好にピンポイントでマッチするようなお店や、売り場が増えていくのではないかと思われます。精度の高い売上予測ができることで、在庫や人員コストを見直し、適正な予算をたてることができるようになります。また、適材適所を見直すことでサービスの向上にもつながります。最新の技術では、購入動機を探ることまで可能となっており、ユーザー側からみると増々お買い物が便利で楽しいものとなりそうです。

売上予測のメリット

  • 商品の在庫管理
  • 人員の配置
  • 購入動機まで探ることも可能

AI(人工知能)の
アルゴリズム解説

AI(人工知能)のアルゴリズム解説

アルゴリズムとはコンピューターが使う計算手順のことになります。私たちが計算をする上で、足し算や掛け算など様々な方法を活用するのと同じように、アルゴリズムにもいくつか種類があるのです。そして、コンピューターは答えを出すのに最適なアルゴリズムを使います。
どのアルゴリズムにも通じる考えが、新たな問い(インプット)に対する適切な答えを予測すること。
コンピューターが答えを予測するための方法と考えておけば問題ありません。

AI(人工知能)の作り方を簡単に解説

  • 目的を作る

    1:まずは目的を作る

  • データを集める

    2:データを集める

  • アルゴリズムを選ぶ

    3:アルゴリズムを選ぶ

  • AIをトレーニングする

    4:AIをトレーニングする

持っていると役立つ資格

データサイエンティストは資格職ではなく、この資格が無ければ働くことが出来ないというものではありません。
しかし、データサイエンティストはエンジニア的側面が強い業務ですのでAIに対する深い理解と技能が欠かせません。

アルゴリズムを更に詳しく理解するための記事

AI(人工知能)のアルゴリズムを徹底解説

ディープラーニングによる画像認識の実例

機械学習

ディープラーニングによる画像認識とは?

画像認識とは、画像に写っているものの特徴を分析し、何が写っているのかを識別するパターン認識技術の1つです。
*パターン認識技術とは、画像や映像、音声などの様々な情報の中から、特定の規則や意味などの特徴をもつものを識別すること。
人間と違い、コンピュータは、画像に写っているものが何かを理解することができません。そのため、たくさんの画像データから対象物の特徴を学習させる必要があります。その学習によって、コンピュータは新しい画像に写っているものを確率として識別することができるようになるのです。この学習方法としてディープラーニングが注目されています。

画像認識が活用されている例

  • 顔認証(防犯・ゲート)
  • 画像診断(医療・介護)
  • 外観検査(製造業)

初心者でも分かるAI(人工知能)の作り方

「データを集める」「学習済みモデルを作る」「サービスに組み込む」というAIの作り方の3つのステップを解説

1.必要なデータを集める

1.必要なデータを集める

AIを賢くさせる学習は、「機械学習」と呼ばれています。機械学習を行うためには膨大なデータが必要になります。最近ビッグデータが重要視され、様々な企業が資金を投資しビッグデータを集めています。

データの集め方の事例

  • 1.既に社内にあるデータを使用する方法
  • 2.動画から画像データを集める方法
  • 3.IoT媒体を使う方法
  • 4.Webサービスを利用

2.学習済みモデルを作る

2.学習済みモデルを作る

機械学習をさせるためのツールは既にいくつも開発されています。以前の記事で紹介したAzure MLやDialogflowなどがその一つです。Azure MLはノーコードでもAIの構築が可能なため初心者にもおすすめです。

機械学習ツール一覧

  • ・Azure ML(Machine Learning)
  • ・Amazon Machine Learning
  • ・Google Prediction API
  • ・Dialogflow ・Orange ・TensorFlow

3.サービスに組み込む

3.サービスに組み込む

機械学習が完了したAIを利用するためには、サービスに組み込むためのプログラムが必要となってきます。例として、画像を認識できるような人工知能のサービスを作る場合に必要なプログラムを図式化してみました。

無料のAI構築ツール

  • Google Colaboratory

    環境構築不要でwebブラウザとインターネットさえあれば、すぐに機械学習を始められる画期的なサービスです。

  • IBM Watson

    様々なAPIの集合体ともいえる人工知能です。無料のアカウントでも様々な機能を試すことができます。

AIの作り方を理解するための記事

初心者でも分かるAI(人工知能)の作り方【2022年最新簡単3ステップ】