Python AI
AI
人工知能
汎用型AI
特定のタスクに限定せず自ら思考・行動する
特化型AI
特定のタスクに限定し、人間の行動を模倣した行動をする
自動化
技術 | 意思決定の支援 | 行動の自動化 | 補足 |
RPA | ☓ | ◯ | Robotic Process Automation パソコン事務作業の自動化技術 |
データサイエンス | ◯ | ☓ | |
機械学習 | ◯ | ☓ | メールの自動分類 不良品検出 需要予測 |
機械学習
教師あり学習
目的:予測
入力データと教師データ(正解)の規則性を学習
例
入力データ:猫、犬の画像
教師データ:画像毎に猫、犬と答え(ラベル)を定義
これらの法則性を元に、新たな画像から答えを推測する
手法
重回帰分析、決定木、サポートベクターマシーン
教師なし学習
目的:本質の理解
入力データのみでデータの構造を学習(グループ化・簡略化)
学習結果を人間が利用する(答えを出す)。AIは答えを出さない。
例
異常検知、自動運転
手法
主成分分析、クラスタリング
強化学習
目的:行動の最適化
成果を最大化する様に行動を学習
AIにゴールを設定し、最大の成果を得られる様に試行錯誤させる
例
ルンバ、インベーダーゲーム、将棋
ディープラーニング
深層学習
データの規則性を機械が自動的に学習、分析結果を出す。
特徴や答えを人間が与えない
機械学習の為にニューラルネットワークを用いて高い学習効果を出せる
教師あり学習、教師なし学習、強化学習のすべてに適用できる
ニューラルネットワーク
間の脳の神経細胞を模倣したネットワーク構造
大量のデータから自動的に特徴を学習できる