機械学習-人工知能への入り口-

機械学習とは?

機械学習とは、与えられた大量のデータが「何を意味しているのか?」というのを導くのと同時に、それに必要な予測モデルを構築するのに最適な手法も自分で用意し、次に何をすれば良いかなどの決断も勝手にしてくれるような、機械の挙動である。
機械学習がなければ、大量の統計データ(人が直感的に扱えないくらいの膨大な量のデータ)を時間をかけて統計処理し、次に事象を予測するモデルを人間が構築することになる。 身の回りに使われている物には
・Gメール等のスパムフィルタ
・Siri等の音声認識ソフトウェア
・Google等のweb検索エンジン
がある。もちろん自動運転にも機械学習は用いられている。

 



スポンサードリンク

機械学習の種類

機械学習と言っても多くの種類が存在します。以下では代表的な機械学習のシステムについて、説明していきます。
1 強化学習
心理学分野における、生物の学習方法を応用したもの。生物の個体が環境との相互作用によって知識を獲得することをモデル化している。このモデルでは、生物が環境に適合していると「報酬」を得ることができ、生物は報酬を得ると次以降の行動にその良い経験を反映させます(飼い主にお手をすると、頭を撫でられ餌をもらえるようになる犬のイメージ)。犬はお手をすることで、報酬がもらえるので、次以降の環境(飼い主が手を出してくる状況)に適応していきますね。

強化学習のモデル

2 教示学習
教え示された知識に基づいて、学習を進める方法。学校で先生に教えてもらうと、効率的かつ精密ですが、教えられたことしか出来ず、自分で考える力はあまり鍛えられないのと同じで、教示学習では学習データに現れないような状況に対応することが困難である。そして教師学習と対をなすのが教師なし学習である。これは個々のデータの情報は与えられず、学習方法や学習モデルしか与えられないので、現実の勉強と同じで、時間はかかります。粘り強くデータを与え続ければ、どんな複雑かつ不規則なデータが来ても対応できるような人工知能になる可能性は秘めています。

3 ニューラルネットワーク
生物の神経組織の挙動をモデルにして情報処理を行う仕組み。生物の神経細胞は他の神経細胞から受け取った情報を処理し、また別の神経細胞に伝える。さらに神経細胞同士の接続は一様ではなく、機能も一定ではありません。機械学習における、ニューラルネットワークは神経細胞を模倣したセルと、そのセルの結合から構成される。一般的にはこれらは層構造になっていて、パーセプロトンと呼ばれてます。

強化学習のモデル

パーセプトロンは入力信号を受け取る刺激層、結果を出力する応答層、刺激層と応答層の中間にある連想層からなります。初期のパーセプトロンでは刺激層と連想層の結合の強さは結合荷重で定義され、これはどのくらいの入力がセルに与えられたら次のセルに入力を与えるかを決めるしきい値がランダムに与えられます。これに対し連想層と応答層の結合は、ある入力に対して適切な出力が得られるように機械学習により決定されます。

以上、本稿では強化学習についてざっくりと述べました。理論的な背景などには全く触れていないので、本稿がきっかけで皆さんが機械学習の背景を自習してくれたらうれしいです。上記以外にも、強化学習には遺伝的アルゴリズム,データマイニングもあるので勉強してみてください。

参考文献:
小高 知宏 (2011)『初めての機械学習』 オーム社
Sebastian Raschka (2016)『Python 機械学習プログラミング』 株式会社インプレス



スポンサードリンク

記事が役に立ったらシェア!

投稿者:

中村 俊

中村 俊

1993/09/04生まれ。機械系大学院を休学し、ベンチャーでインターンしている最中。直近では、デカルトの「方法序説」に感銘を受けた。 趣味:読書、web開発の勉強、異分野の論文読んだり、記事書いたり。 最終的には経営者か研究者になりたい。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

CAPTCHA