5 分で年配の方に機械学習について説明しましょう。説明するのはとても簡単です!

機械学習とは何でしょうか? 機械学習について何も知らない年配の人からこの質問をされたら、どのように答えるべきでしょうか? この記事では、誰もが知っておくべき主要かつ最も重要な部分を含め、このトピックを最も簡単な言葉で説明します。

機械学習は、明示的にプログラムすることなくコンピューターに学習能力を与えることを目指す研究分野です。これは急速に成長している分野であり、コンピューターが人間をさらに模倣できるようになる可能性があります。

[[271258]]

機械学習は従来のコンピュータサイエンスとは異なります。従来、コンピューターでは、プログラマーが正確に何をどのように行うかを指示する必要があり、これは非常に不器用であると言えます。しかし、機械学習では、大量のデータをコンピューターに入力し、分析して結果を出力するだけで済みます。

たとえば、Facebook に写真を投稿する方法を知っています。写真を投稿すると、Facebook では写真に写っている可能性のある人物をタグ付けするように求められます。 Facebook を知らない人のために説明すると、もっと一般的な例としては、Netflix を閲覧しているときに、Web ページで好みそうなテレビ番組や映画が推奨されることがあります。実際、これには少し機械学習の意味があります。

たとえば、機械学習は自動運転車において重要な役割を果たします。車は、より良く、より安全に運転する方法を学ぶために、膨大な量のデータを収集します。将来、機械学習が私たちの生活に大きな役割を果たすことは明らかです。

機械学習ではないもの

まず第一に、機械学習は、ロボットが人類を滅ぼそうとする映画のようなものではありません。人工知能について聞いたとき、多くの人が最初に思い浮かべるのは「ターミネーター」です。実際、機械学習は人工知能ではなく、人工知能のサブフィールドにすぎません。機械学習はかなり前から存在しています。その起源は 1950 年代後半にまで遡ります。当時、IBM のアーサー・L・サミュエルは、チェスをプレイできる最初の機械学習アプリケーションを設計しました。

[[271259]]

悪のAIを説明するときに「必須」のターミネーター画像

ディープラーニングは、おそらくよく耳にする流行語の 1 つでしょう。ディープラーニングの開発の歴史は機械学習と同じくらい長いですが、ディープラーニングが広く注目されるようになったのは 1980 年代になってからでした。最終的に、Facebook、Google、Microsoft などの世界のテクノロジー大手がディープラーニングの開発に多額の投資を行い、AI 革命を引き起こしました。 Google 翻訳、Apple のインテリジェント アシスタント Siri などは、すべてディープラーニングの成果です。

安心してください。近い将来、機械学習や人工知能の発展が制御不能になったとしても、それが人類社会に脅威を与えることはありません。

機械に学習させる方法

[[271260]]

これを見て、機械に学習させるにはどうしたらよいのか、コンピューターはどのようにして情報を収集し、理解するのか、と疑問に思うかもしれません。実際、このプロセスでは、望ましい結果を得るために多くの数学的アルゴリズムを使用します。

1. 機械学習における数学

線形代数は、機械学習を深く理解するための前提条件として広く認識されている数学の分野です。線形代数は非常に幅広い分野であり、多くの難解な理論と発見が含まれています。しかし、その基本的な手法と表記法は機械学習の研究者にとって非常に役立ちます。したがって、線形代数のしっかりした基礎が必要です。

機械学習の学習では、アルゴリズムを選択する際に精度、トレーニング時間、その他のパフォーマンスを考慮する必要があるため、数学は非常に重要です。数学は、機械に学習させる最善の方法を見つけるのに役立ちます。機械学習の科学者/エンジニアは、線形代数に加えて、微積分、アルゴリズム、確率論、統計などの数学的概念も習得する必要があります。 Python は機械学習で最もよく使われるプログラミング言語です。

2. 脳について考える

脳は世界からあらゆる種類の情報を収集し、現実の認識を形成します。コンピュータも同様に行う必要があります。ニューラルネットワークがこの責任を引き受けます。

ニューラル ネットワークは、コンピューターで人間の脳をシミュレートするための最も一般的なアプローチです。人間の脳は約10億個の神経細胞、つまりニューロンで構成されています。人間の脳は問題解決が非常に得意です。問題を解決するとき、各ニューロンは解決策の小さな部分を担当します。これらのニューロンは、電気グリッドのように信号を収集して送信することができます。

[[271261]]

3. 人間の脳のニューロン

コンピュータのニューラル ネットワークが人間の脳の構造にヒントを得ていることを知ると、これらのニューロンがどのように接続されているのか疑問に思うかもしれません。各ニューロンは入力を受け取り、出力を生成します。入力ノード (入力層) は、人間の目が情報を見て収集し、それを脳に渡すのと同じように、外界からの情報をニューラル ネットワークに提供します。

出力ノード（出力層）は、情報を外部にフィードバックする役割を担います。下の図のネットワークが数字を認識するようにトレーニングされるとします。入力層から数字が入力され、隠れ層を通過して、出力層で認識された数字として出力されます。隠れ層のニューロンは、取得した情報について互いに通信します。この情報を使用して、入力された番号が何であるかを識別します。各レイヤーは次のレイヤーに影響を与えます。

音声認識など、他の機能を実行するためにコンピューターのニューラル ネットワークをトレーニングする場合、これはさらに驚くべきことです。コンピューターは、音声を解析し、音声をセグメント化し、さまざまな音声をフィルタリングすることを学習できます。これらの音が組み合わされて、特定の音節、単語、フレーズなどが形成されます。ネットワークを構築するときは、次の点を知っておく必要があります。

• 畳み込みネットワークは画像認識によく使用されます。
• 長期短期記憶ネットワークは音声認識によく使われる

機械学習には、教師あり学習、教師なし学習、強化学習など多くの方法があり、これら 3 つが一般的に使用される方法です。この記事では詳細には触れません。簡単に言えば、ニューラル ネットワークにより、コンピューターは情報を受け取り、それを理解可能な部分に分解し、最も近い結果を出力できるようになります。

課題と限界

機械学習は非常に強力ですが、まだ多くの制限があります。これらの制限を克服することで、機械学習テクノロジーはより高いレベルに到達できるようになります。

まず、機械学習アルゴリズムではトレーニングのために大量の保存データが必要であり、このデータにラベルを付ける作業は非常に面倒な作業です。機械に入力されるデータにはラベルを付ける必要があり、そうしないと機械はインテリジェントになりません。アルゴリズムは、機械が操作する必要がある環境に応じて、機械が意思決定を行い、一貫して動作する能力を開発することしかできません。

もう一つの問題は、機械が自分自身を説明できないことです。これにより、特定の決定がなぜ行われたのかを知ることが難しくなります。

最後の、そして最も重要な制限は、偏見を避けるのが難しいことです。透明性は重要であり、公正な意思決定は信頼の構築に役立ちます。たとえば、顔認識はソーシャル メディアや法執行において重要な役割を果たします。しかし、顔認識によって提供されるデータセットの偏りにより、結果が不正確になる可能性があります。アルゴリズムに偏りがあり、データセットとトレーニング データのバランスが取れていない場合、最終出力ではデータセット内の差異と偏りが増幅されます。

未来は機械のもの

[[271263]]

機械学習は人工知能の発展の基盤であり、その未来は止められません。機械学習は現代生活の一部となっています。

Spotify を使用して音楽を聴くと、聴いた曲に基づいて毎日のおすすめが表示されることがわかります。 Amazon は顧客のショッピング習慣に基づいて、顧客が興味を持ちそうな商品を推奨する方法も学習します。 Amazon の Alexa、Apple の Siri、Microsoft の Cortana などの仮想アシスタントは、機械学習に基づいて人の発言を理解し、人と対話します。

機械学習はビジネスでも広く利用されています。通常は人間の操作を必要とする一部のタスクを自動化できます。多くの企業が顧客サービス部門でチャットボットやサービスロボットを使用しています。これらのロボットは、顧客への対応方法を学習し、インテリジェントで役立つ支援を提供します。

自動運転車やトラックにも機械学習が応用されています。車両は、一時停止標識、吹雪、道路の真ん中にあるボール、他の車両など、道路上の障害物を認識し、それに応じて対応することを学ぶ必要があります。より多くの情報を集めるほど、彼らはより人間らしくなります。たとえば、雪に覆われた一時停止の標識を認識することができます。

[[271264]]

機械学習は私たちの生活をより便利にします。機械学習を活用するさまざまな方法が考案され続け、静かに産業革命が起こりつつあります。機械学習が徐々に真の人工知能技術へと私たちを導いたとき、人間の生活がどのようなものになるかについては、私たちには想像することしかできません。