・動画を見る時間が取れない
・内容のつまみ食いがしたい
・講義を受けたけど復習したい
本記事では、そんな人のために「AI For Everyone （すべての人のためのAIリテラシー講座）」第１週の内容をまとめてみました。
講義動画は１時間半くらいありますが、この記事であれば１０分もあれば読むことができますよ。
はじめに
このコースのはじめに
アンドリュー先生から、日本の受講者への挨拶です。
アメリカでにわかに広がりつつある、企業によるAI／DX教育を日本でも展開することが極めて重要だとしています。
DXとは？
本編に入る前に松尾豊教授からの挨拶があります。
DXの基本的な概念、実例についても解説しています。
DXにおけるAI／DXの重要性
DXにおいてAIが切り開いてきた領域、今後の展望について、松尾豊教授からの説明です。
このコースを学ぶ皆さんへ
再びアンドリュー先生からの激励コメントです。
「コースの修了と、AIの導入を頑張ってください！」
AIの基礎
イントロダクション
マッキンゼーの調査によると、AIは2030年までに毎年1,300兆円の価値を生み出すといわれています。また、その影響はすべての業界に及ぶそうです。
ANI（特化型人工知能）とAGI（汎用人工知能）の違いと、その進歩の度合いについて説明しています。一言でいうと、ANIは大きな進歩を見せているものの、AGIはほとんど進んでいません。
機械学習
機械学習のうち重要な役割を果たす「教師あり学習」の概要と応用例について説明しています。
AIはデータの量が多ければ多いほど、その性能は上がる傾向にあります。
また、近年ではニューラルネットワークがAIの進歩に大きな役割を果たしています。
データとは？
整理されたデータとは、エクセルの表のようなデータセットのことを言います。例として、家の広さと価格を並べたデータや、写真とそのラベルなどがあります。そのようなデータは人海戦術で集めたり、機械によって自動で集めることもあります。
AIを構築するためにデータは必要ですが、大量のデータを完全に収集し終わってからAIを構築するのではなく、AIの構築とデータの収集は並行して行うべきです。
なお、ラベルが間違っていたり、データが欠落している場合は、綺麗にしないとそのままでは使えません。
AIにまつわる専門用語
| 機械学習 | 明確にプログラムしなくてもコンピューターに学習させる能力を与える研究分野 |
| データサイエンス | データから知識と洞察を抽出する分野 |
| ディープラーニング | 入力Ａからニューラルネットワークを通じて、出力Ｂを得る機械学習のひとつの手法 |
AI企業にするには？
優れたAI企業になるために必要なものは、ディープラーニングを活用することだけではありません。優れたAI企業になるためには「戦略的なデータの取得」「単一のデータウェアハウス」「多岐にわたる自動化」「新しい役職（Machine Learning Engineer）や分業」など、企業がAIをうまく活用できるような基盤が必要です。
AIトランスフォーメーションを実現するためのステップ
- パイロットプロジェクトの実施
- 社内チーム組成
- トレーニング実施
- AI戦略策定
- 社内外のコミュニケーション
機械学習でできること、できないこと
| できること | 教師あり学習 人間が１秒で判断できることは、だいたい自動化できる |
| できないこと | 苦情のメールに共感してお詫びのメールを返すなど |
機械学習がうまく機能する実例
- 「単純な」概念の学習
- 大量の利用可能なデータ
機械学習でできること、できないことー実例
自動運転車
| できること | カメラから車の位置を特定 |
| できないこと | 複数の人間のジェスチャーを正確に区別すること ・車を停止させようとするジェスチャー ・ヒッチハイクのジェスチャー ・自転車の左折のジェスチャー |
X線診断
| できること | １万枚のラベル付けされた画像から、肺炎を診断する |
| できないこと | 医学の教科書に載っている１０枚の肺炎の画像から、肺炎を診断する |
機械学習がうまく機能しない例
- 少量のデータにおける複雑な概念の学習
- 新しいタイプのデータに対する実行
非技術者でも分かるディープラーニング概要（パート１）
例えば、Ｔシャツの需要予測をする場合、必要なのは価格や送料、マーケティング費用、素材などにあたる入力Ａと、需要にあたる出力Ｂだけです。その間に何をどう計算するかは、ニューラルネットワークが自動で処理してくれます。
非技術者でも分かるディープラーニング概要（パート２）
例えば、顔認識でAIが人間の目を認識するとき、目の画像をピクセル単位に分解して、それぞれの明るさを数値として認識します。そこで、ニューラルネットワークは多数の数値を入力として受けとり、写真に写っている人の名前を答えることができます。
ここで、1000ピクセル×1000ピクセルの白黒画像であれば、AIは100万個の数値を入力として受け取ります。これがカラー画像であれば、300万個の数値になります。
やっぱり、今回もアンドリュー先生の講義はすばらしかったです！ちなみに、日本ディープラーニング協会はAI For Everyone （すべての人のためのAIリテラシー講座）だけでなく、G検定も主催してます。興味がある方はこちらの記事に体験記を載せていますので、チェックしてみてください。
以上、最後までお読みいただきありがとうございました。
コメント