人工知能、機械学習、データマイニング、データ分析の関係は何ですか?

人工知能は現在、注目されている分野です。すべてのインターネット企業や著名人が、人工知能はインターネットやモバイルインターネット時代の変化に匹敵する次の時代の革命的な技術になると述べています。囲碁の分野で最高の人間のチェスプレイヤーに対するAlphaGoの勝利は、一般の人々に初めて人工知能の力と強さを認識させました。そのため、誰もが人工知能とは何か、そしてそれが人類にどのような変化と未来をもたらすのかについて考えずにはいられません。

0. 人工知能

人工知能はAIと略され、人間の知能をシミュレート、拡張、拡大するための理論、方法、技術、アプリケーションシステムを研究、開発する新しい技術科学です。人工知能は、コンピュータサイエンス研究の重要な分野であり、多くの分野にまたがる学際的なテーマです。知能の本質を理解し、人間の知能と同様に反応できる新しいインテリジェントマシンを生み出すことを目指しています。この分野の研究には、音声認識、画像認識、ロボット工学、自然言語処理、インテリジェント検索、エキスパートシステムなどが含まれます。人工知能は、人間の意識と思考の情報処理をシミュレートできます。人工知能には、よく知られている機械学習、自然言語理解、パターン認識など、多くのサブフィールドが含まれます。

1. 機械学習

機械学習は人工知能の研究と応用の分野です。機械学習の研究はより理論的なものであり、コンピュータがデータから継続的に知識を学習し、機械学習の結果を継続的に目的の機能に近づけることができる理論を研究することが目的です。

機械学習については、カーネギーメロン大学の機械学習研究分野の著名な教授であるトム・ミッチェルの古典的な定義を引用しています。

プログラムが、既存の経験 E (経験) を使用して特定の種類のタスク T (タスク) を実行するプロセスで「学習可能」であると見なされる場合、プログラムは、既存の経験 E を使用して、特定のタスク T を完了する際のパフォーマンス (パフォーマンス) を継続的に向上させる特性を示す必要があります。

機械学習は、データマイニング、コンピュータービジョン、自然言語処理、生体認証、検索エンジン、医療診断、クレジットカード詐欺検出、証券市場分析、DNA配列解析、音声および手書き認識、戦略ゲーム、ロボット工学など、幅広い用途に使用されています。現代生活において、音声入力認識や手書き入力認識などの技術の認識率は、以前の技術に比べて大幅に向上し、97%近くに達しています。これらの機能は携帯電話で体験できます。これらの技術は、機械学習技術の応用から生まれたものです。

では、機械学習とデータマイニングの関係は何でしょうか?

機械学習はデータマイニングの理論的な方法を提供し、データマイニング技術は機械学習技術の実際の応用です。これは、いくつかの新しい分析手法の段階的な開発と応用から発展してきました。2つの分野は相互に浸透し、それぞれが他方で開発された技術的手法を使用してビジネス目標を達成します。データマイニングの概念はより広く、機械学習はデータマイニングの分野で新興の部門とサブフィールドにすぎません。ビッグデータテクノロジーに基づいているからこそ、徐々に目立つ主流の分野になりました。

2. データマイニング

データマイニングとは、一般的に、アルゴリズムを通じて大量のデータに隠された情報を検索するプロセスを指します。データマイニングは、本質的には機械学習と人工知能の基盤です。その主な目的は、さまざまなデータソースから情報のスーパーセットを抽出し、その情報を組み合わせて、これまで考えもしなかったパターンや固有の関係を発見できるようにすることです。つまり、データマイニングは仮説を証明する方法ではなく、さまざまな仮説を構築する方法です。データマイニングでは、これらの質問に対する答えはわかりません。A と B の間に相関関係があるかもしれないということしかわかりませんが、A と B の間にどのような相関関係があるかはわかりません。機械学習とは、仮説空間 H からターゲット関数 f を近似する仮説関数 g を見つけることです。データマイニングとは、大量のデータからデータ間の特徴を見つけることです。

データマイニングは、データベースシステムに基づくデータ発見プロセスです。データ分析技術に基づいており、ハイエンドで高度な規則性と傾向の発見と予測機能を提供します。同時に、データの量は大きくなり、パターン認識などの最先端のコンピューター技術に依存します。また、データウェアハウスやデータマートなどの超大規模データベースとデータベース技術に依存するビジネスインテリジェンス（BI）という別名もあります。

主なマイニング方法には、分類、推定、予測、相関グループ化または関連ルール、クラスタリング、複雑なデータタイプのマイニング (テキスト、Web、グラフィックスと画像、ビデオ、オーディオなど) などのテクノロジが含まれます。

3. ディープラーニング

ディープラーニングの概念は、人工ニューラルネットワークの研究から生まれました。複数の隠れ層を持つ多層パーセプトロンは、ディープラーニング構造です。ディープラーニングは、低レベルの特徴を組み合わせてより抽象的な高レベル表現の属性カテゴリまたは特徴を形成することにより、データの分散された特徴表現を検出します。概念は不明瞭で、理解するのは少し難しいですが、その孤高の外見の背後には、広範囲にわたる応用シナリオと将来性が秘められています。

では、ディープラーニングと機械学習の関係は何でしょうか?

ディープラーニングは機械学習を実現するための方法または経路です。その目的は、データを解釈する人間の脳のメカニズムを模倣した分析学習のために、人間の脳のニューラルネットワークを確立してシミュレートすることです。例えば、特定の物理的距離で接続されています。ディープラーニングでは、独立した層、接続、およびデータ伝播方向が使用されます。たとえば、最近人気の畳み込みニューラルネットワークは、最初の真の多層構造学習アルゴリズムです。空間の相対関係を使用してパラメータの数を減らし、トレーニングのパフォーマンスを向上させ、機械の認識プロセスを層ごとに進め、徐々に抽象化することで、認識の精度と効率が大幅に向上します。

ニューラルネットワークは機械学習の一分野であり、ディープラーニングはニューラルネットワークの大きな分野です。ディープラーニングの基本構造はディープニューラルネットワークです。

4. データ分析

データ分析の概念: データベースシステムとアプリケーションに基づいて、統計分析システムでデータを直感的に表示できるため、必要な結果をすばやく得ることができます。これは最も基本的なデータ分析機能であり、情報化時代において、ビジネスプロセスの再構築、業界の効率性の向上、コストの削減に加えて、私たちが行うことでもあります。さらに、データ分析は、意思決定の科学性を向上させるために、履歴データから貴重な情報を発見することを指します。データ分析では、データの履歴分布を分析し、そこから貴重な情報を引き出すことに重点を置いています。データ分析のもう一つの重要な機能は、データの視覚化です。

例えば、財務システムの情報化では、企業の財務システムに基づいて、企業のキャッシュフロー計算書、貸借対照表、損益計算書を直感的に取得できますが、これらはすべて当社のデータ分析技術から生まれています。データ分析によく使用されるソフトウェアは、Excel、R、Python などのツールです。

データ分析とデータマイニングを比較すると、データ分析は履歴データの統計分析プロセスに似ています。たとえば、履歴データを分析すると大まかな結論を得ることができますが、なぜこの結論が出たのかを詳しく調べたい場合は、データマイニングを実行して、この結論の原因となるさまざまな要因を調べ、結論と要因の間のモデルを確立する必要があります。要因に新しい値がある場合、このモデルを使用して考えられる結論を予測できます。

したがって、データ分析は、データマイニングの中間プロセスに似ています。