ビッグデータと人工知能の関係

[[342758]]人工知能教育は最も美しい新しいインフラです

人工知能のアルゴリズムの中にはデータを必要とするものがあります。まず、学習を始める前にデータを入力する必要があります。

たとえば、ImageNet と呼ばれる 10 億枚以上の写真を含む大規模なデータベースがあります。このような大量の写真があって初めて、ディープ ニューラル ネットワークをトレーニングして、写真に写っている猫、犬、乗り物を認識できるようになります。

これらの膨大なデータがなければ、多くの機械学習アルゴリズムは使用できません。たとえば、現在視聴している動画サイトには、数百億の特徴、数千億のパラメータ、数兆のサンプルがあります。数兆のサンプルがなければ、数百億の特徴をサポートすることはできません。100万の特徴をサポートするには、1億のサンプルが必要になる場合があります。さらに、ディープラーニングでは、特徴エンジニアリングに膨大な量の特徴が必要です。そのため、ビッグデータは、現時点では多くの機械学習アルゴリズムの開発の基礎となっています。ただし、ある程度まで発展すると、一部のアルゴリズムは突然データから切り離されます。たとえば、強化学習を行うと、初期のAlphaGoのように、数十万人のプロのチェスプレーヤー間のゲームを学習しました。マスターなので、非常にうまくプレイします。その後、AlphaZeroは自分自身とチェスをします。いずれにせよ、ルールがあるため、そのデータは実際には実際のデータではなく、生成されたものです。実際のデータを使用するのではなく、強化学習を使用するため、最終的にはAlphaGoよりもうまくプレイします。

広い視点から見ると、ビッグデータと人工知能は間違いなくお互いに利益をもたらすと思います。人工知能がなければ、多くのデータを活用することはできません。多くの場合、ビッグデータの価値を引き出すには人工知能アルゴリズムが必要です。これは、一方が鉱山で、もう一方が鉱物を採掘して精錬するための装置と工場に相当します。人工知能は後者です。大部分は、データがあって初めてデータ関連の人工知能アルゴリズムを開発できますが、一部のアルゴリズムはデータとはまったく関係がありません。おおよその関係はこれです。