Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up for free
情報処理応用B第9回資料 /advancedB09
Kazuhisa Fujita
December 08, 2021
Education
0
260
情報処理応用B第9回資料 /advancedB09
Kazuhisa Fujita
December 08, 2021
Tweet
Share
More Decks by Kazuhisa Fujita
See All by Kazuhisa Fujita
電気電子・分野別問題集 / elec_ex
kfujita
0
56
情報処理応用B第14回資料 /advancedB14
kfujita
0
330
情報処理応用B第13回資料 /advancedB13
kfujita
0
330
ME2種国家試験電子回路(ダイオード)/ ME2_diode
kfujita
0
58
ME2種国家試験電気回路(フィルタ)/ ME2_filter
kfujita
0
37
ME2種国家試験電子回路(整流回路)/ ME2_rectif
kfujita
0
32
情報処理応用B第12回資料 /advancedB12
kfujita
0
430
情報処理応用B第11回資料 /advancedB11
kfujita
0
370
情報処理応用B第10回資料 /advancedB10
kfujita
1
310
Other Decks in Education
See All in Education
Adobe CC Express
matleenalaakso
0
5.9k
chapitre 1: les chaine de caractères en C
adelfr2009
0
240
Padlet opetuksessa
matleenalaakso
3
5.2k
The Adventure of Kotlin and Compose Through The Multiplatform World
cmota
2
160
Gesture-based Interaction - Lecture 8 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
640
Monacaとp5.jsを利用したプログラミング学習
asial_edu
0
220
YouTube
matleenalaakso
1
9.8k
コロナ禍の課題研究におけるMonacaの活用と今後の活用について
asial_edu
0
180
Baparekraf Developer Day 2022 - Back-End (Dimas Maulana Dwi Saputra)
dicodingevent
0
400
Pen-based Interaction - Lecture 6 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
620
「初めてでもやさしいMonacaEducation(女子校での実践)」
asial_edu
0
290
OpenStreetMap概要説明 / Introducing OpenStreetMap
barsaka2
0
180
Featured
See All Featured
Product Roadmaps are Hard
iamctodd
34
6.1k
Creatively Recalculating Your Daily Design Routine
revolveconf
207
10k
Art, The Web, and Tiny UX
lynnandtonic
280
17k
It's Worth the Effort
3n
172
25k
What’s in a name? Adding method to the madness
productmarketing
11
1.5k
Embracing the Ebb and Flow
colly
73
3.3k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
349
27k
No one is an island. Learnings from fostering a developers community.
thoeni
9
1.1k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
103
16k
VelocityConf: Rendering Performance Case Studies
addyosmani
316
22k
The Power of CSS Pseudo Elements
geoffreycrofte
46
3.9k
The Invisible Customer
myddelton
110
11k
Transcript
情報処理応⽤B 第9回 藤⽥ ⼀寿
⼈⼯知能 (AI: Artificial Intelligence)
IBM Watson • IBMの質問応答システム • 2011年アメリカのクイズ番組で⼈間と対決し勝利 • みずほ銀⾏のコールセンターで使われる • 会話の内容から解答をオペレータに提⽰
• 三菱東京UFJ銀⾏ではLINEで提供しているQ&AサービスでWatsonを活⽤ https://www.youtube.com/watch?v=gEejZEhHLpA
AlphaGo, AlphaGo Zero, AlphaZero • AlphaGo • 2016年イ・セドル⽒に勝利,2017年柯潔(コ・ジェ)⽒に勝利 • 2015年まではアマ有段者レベルだった囲碁AIが,AlphaGoの登場によりに
より囲碁AIが世界トップ棋⼠より強くなった. • AlphaGo Zero (Silver et al. 2017) • ⾃⼰学習のみでAlphaGoに勝つ. • AlphaZero (Silver et al. 2018) • 様々なボードゲームにも対応できる. • ⾃⼰学習のみで強くなる.⼈間はデータを⽤意する必要がない. • 碁ではAlpha Goにも勝てる. • チェス (Stockfish),将棋(elmo)にも勝てる.
https://www.youtube.com/watch?v=TmPfTpjtdgg
2016
2016
(https://www.youtube.com/watch?v=SGUCcjHTmGY) 翻訳(DeepL)
⼈⼯知能が発展し社会 に浸透した結果どうな る?
⽇本の労働⼈⼝の49%が⼈⼯知能やロボット等で代替可能に • IC⽣産オペレーター • ⼀般事務員 • 物⼯ • 医療事務員 •
受付係 • AV・通信機器組⽴・修理⼯ • 駅務員 • NC研削盤⼯ • NC旋盤⼯ • 会計監査係員 • 加⼯紙製造⼯ • 貸付係事務員 • 学校事務員 • カメラ組⽴⼯ • 機械⽊⼯ • 寄宿舎・寮・マンション管理⼈ • CADオペレーター • 給⾷調理⼈ • 教育・研修事務員 • ⾏政事務員(国) • ⾏政事務員(県市町村 • 銀⾏窓⼝係 • ⾦属加⼯・⾦属製品検査⼯ • ⾦属研磨⼯ • ⾦属材料製造検査⼯ • ⾦属熱処理⼯ • ⾦属プレス⼯ • クリーニング取次店員 • 計器組⽴⼯ • 警備員 • 経理事務員 • 検収・検品係員 • 検針員 • 建設作業員 • ゴム製品成形⼯(タイヤ成形を除 く) • こん包⼯ • サッシ⼯ • 産業廃棄物収集運搬作業員 • 紙器製造⼯ • ⾃動⾞組⽴⼯ • ⾃動⾞塗装⼯ • 出荷・発送係員 • じんかい収集作業員 • ⼈事係事務員 • 新聞配達員 • 診療情報管理⼠ • ⽔産ねり製品製造⼯ • スーパー店員 • ⽣産現場事務員 • 製パン⼯ • 製粉⼯ • 製本作業員 • 清涼飲料ルートセールス員 • ⽯油精製オペレーター • セメント⽣産オペレーター • 繊維製品検査⼯ • 倉庫作業員 • 惣菜製造⼯ • 測量⼠ • 宝くじ販売⼈ • タクシー運転者 • 宅配便配達員 • 鍛造⼯ • 駐⾞場管理⼈ • 通関⼠ • 通信販売受付事務員 • 積卸作業員 • データ⼊⼒係 • 電気通信技術者 • 電算写植オペレーター • 電⼦計算機保守員(IT保守員) • 電⼦部品製造⼯ • 電⾞運転⼠ • 道路パトロール隊員 • ⽇⽤品修理ショップ店員 • バイク便配達員 • 発電員 • ⾮破壊検査員 • ビル施設管理技術者 • ビル清掃員 • 物品購買事務員 • プラスチック製品成形⼯ • プロセス製版オペレーター • ボイラーオペレーター • 貿易事務員 • 包装作業員 • 保管・管理係員 • 保険事務員 • ホテル客室係 • マシニングセンター・オペレーター • ミシン縫製⼯ • めっき⼯ • めん類製造⼯ • 郵便外務員 • 郵便事務員 • 有料道路料⾦収受員 • レジ係 • 列⾞清掃員 • レンタカー営業所員 • 路線バス運転者 株式会社野村総合研究所
あと10〜20年でなくなる可能性の⾼い職業 • 電話販売員(テレマーケター) • 銀⾏の窓⼝係 • 不動産登記の審査・調査 • 荷物の発送・受け取り係 •
⼿縫いの仕⽴て屋 • レストランの案内係 • コンピュータを使ったデータの収集・加⼯・分析 • 動物のブリーダー • 保険業者 • 給与・福利厚⽣担当者 • 貨物取扱 • レジ係 • 税務申告代⾏ • 娯楽施設の案内係、チケットもぎり • 銀⾏の新規⼝座開設担当者 • パラリーガル、弁護⼠助⼿ • 図書館司書の補助員 • 苦情の処理・調査担当者 • データ⼊⼒作業員 • メガネ、コンタクトレンズの技術者 • 保険⾦請求・保険契約代⾏者 • 殺⾍剤の混合、散布の技術者 • 証券会社の⼀般事務員 • 測量技術者、地図作製技術者 • (住宅・教育・⾃動⾞ローンなどの)融資担当者 • 造園・⽤地管理の作業員 • ⾃動⾞保険鑑定⼈ • 建設機器のオペレーター • スポーツの審判員 • 訪問販売員、露店商⼈ The future of employment: how susceptible are jobs to computerization?”
⼈⼯知能の導⼊による業務効率化事例 (平成30年度情報通信⽩書)
⼈⼯知能導⼊によって⾃動化してほしいと思う業務 (平成30年度情報通信⽩書)
⼈⼯知能導⼊で想定される雇⽤への影響 (平成28年度情報通信⽩書) ブルーカラーよりホワイトカラーの仕事がなくなると思われる. 特にデータから判断する必要がある少し⾼度なデスクワークへの影響が⼤きいだろう. むしろ⾁体を使う仕事は容易にコンピュータに置き換えられない. ブルーカラー:⾁体労働の労働者 ホワイトカラー:事務仕事の労働者
⼈⼯知能が普及する社会で⽣きるために • ⼈⼯知能による⾃動化(コンピュータによる⾃動化)が可能な 仕事は無くなる. • ⼈⼯知能により⼈間がやる仕事が減る社会で⽣き残るには • ⼈間にしかできない仕事をする. • ⾼度なスキルを習得する.
• ⼈⼯知能を使いこなす側になる. • ⼈⼯知能を作る側になる.
そもそも⼈⼯知能とは何か?
⼈⼯知能への印象 • 今旬のバズワード • なにかすごいことができそう. • なんでもできそう. • ⼈間に取って代わるのではないか?
⼈⼯知能への印象 • なにかすごいことができそう. • なんでもできそう. • ⼈⼯知能が具体的に何を意味するかわからない. • ⼈⼯知能で具体的に何が出来るかわからない. •
⼈⼯知能というキーワードがあると,簡単にすごいことが出来 ると勘違いするかも. • ⼈⼯知能と名前をつければ,⼤したことのないものをすごいも のであるかのように⾒せられるかも. 神秘的で魅惑的な⾔葉 裏を返せば
⼈⼯知能とは • ⼈間が知能を使ってやることを機械がやること • ⼈間の知的営みをコンピュータに⾏わせるための技術(IT⽤語辞典バイナリ) • 学習・推論・判断といった⼈間の知能を持つ機能を備えたコンピュータシステム(⼤辞林第三 版) • ⼈間や動物が可能な知的作業ができるコンピュータを作ることに関する事柄
(Artificial Intelligence for Games) • ⼈(研究者)によって⼈⼯知能の捉え⽅が違う!! • そもそも知能が何を意味するか,知的営みがどの程度の難易度の⾏動ができること を意味するかが曖昧である.そのため,⼈⼯知能という⽤語も曖昧になる. • 考えてもキリがないので,⼀般的な認識に近い⼀番上の解釈をしておく. (平成28年度情報通信⽩書)
⼈⼯知能とは • 汎⽤⼈⼯知能 (Artificial gereral intelligence) • ⼈間レベルの知能 • 特化型⼈⼯知能
• ある問題に対し特化した⼈⼯知能 • ⼈⼯知能という⾔葉を技術⽤語として使わないほうが分かりや すい. • 現状では「⼈⼯知能を使って〇〇やります」は「コンピュータ使って〇〇 を⾃動化します」に近い • ⼈⼯知能を理解していないと「⼈⼯知能が機械学習」といったよくわから ない⽂章を書いてしまう.
⼈⼯知能と⾃動化 • ⾃動化とは⼈⼿によらず機械やコンピュータが⾏うようにする こと(⼤辞林第三版) • コンピュータによる⾃動化⼿法 • 単純で⼿順(ルール)が決まっている作業をプログラミングにより⾃動化 • エキスパートシステム
• 探索などアルゴリズムの講義で習う内容 • 機械学習 • これらの技術は⼈⼯知能を実現するための技術でもある. • コンピュータによる⾃動化は,⼈間が知能を使ってすることを コンピュータがやってくれるとも⾔える. • 現状では,⼈⼯知能をコンピュータによる⾃動化と⾔い換えることも可能.
電卓も⼈⼯知能では? • 電卓による計算も⼈間の知的活動を機械がやっていると⾔える が,なぜ電卓は⼈⼯知能と呼ばれないのか? As soon as it works, no
one calls it AI any more. (https://cacm.acm.org/blogs/blog-cacm/138907-john-mccarthy/fulltext) John McCarthy
⼈⼯知能に⽤いられる⼿法
探索 • 多くのデータから⽬的のデータを⾒つけること (藤原暁宏, アルゴリズ ムとデータ構造第2版) • 単にデータを探すだけではなく,迷路のゴールを探したりゲームの良 い⼿を探したり(ゲーム⼈⼯知能)と様々な場⾯で⽤いられる. •
関連⽤語 • アルゴリズム • ある特定の問題を解く⼿順を、単純な計算や操作の組み合わせとして明確に定義したもの。 数学の解法や計算⼿順なども含まれるが、ITの分野ではコンピュータにプログラムの形で与 えて実⾏させることができるよう定式化された、処理⼿順の集合のことを指すことが多い。 (IT⽤語辞典) • 講義科⽬としてアルゴリズムは,探索,ソート,動的計画法などを指すことが多い. • しかし,アルゴリズムはコンピュータの処理⼿順を意味するため,⼿法を特定するものでは ない.
機械学習 • 機械に学習させる⼿法を取り扱う学問領域およびその技術. • 特に確率・統計に⽴脚したものを統計的機械学習という(現在 は単に機械学習といえばこれ). • いわゆる⼈⼯知能で使われる技術.データマイニングでも使わ れている. 学習データ
機械 出⼒ 0, 1, 2, 3, 4 5, 6, 7, 8, 9 例えば,機械学習の⼿法を⽤いて,機械が数字と書かれた画像を数字であると判断するように学ばせる.
教師あり学習と教師なし学習 • 教師あり学習 • 教師となる答えが⽤意されている. • 機械は⼊⼒と答えの対応を学習する. • ⼈間の⽂字と発⾳の対応を覚えることに似ている. •
教師なし学習 • 教師となる答えがない. • ⼈間が似ている似ていないを判別することに似ている. • 強化学習 • ⾏動の良し悪しを決める報酬を多くするような⾏動を試⾏錯誤により学習 する. • 運動を覚えることに似ている.
深層学習(ディープラーニング) • 機械学習の⼿法の⼀つである(⼈⼯)ニューラルネットワーク の⼿法の⼀つ • ニューラルネットワーク • 脳の神経回路の数理モデル化から始まった機械学習⼿法 • ディープニューラルネットワーク(深層ニューラルネットワーク)
• 深いニューラルネットワーク • 深層学習(ディープラーニング) • 深いニューラルネットワークを学習するための⼿法 • 現在の⼈⼯知能ブームを⽀える技術 詳細は次回
⽤語の関係 データ収集 必要な価値のある情報の抽出 ⼿法 IoT ウェブサービス ビッグデータ データマイニング ⼈⼯知能? 確率・統計
サポートベクタマシン ⼈⼯ニューラル ネットワーク 深層ニューラルネットワーク 深層学習(ディープラーニング) 関係が深い 強化学習 DQN AlphaZero ⾃動判断 機械学習 クラスタリング EM algorithm, k-means GPU (NVIDIA) ⾼速化に必要 開発環境 ライブラリ 開発の簡便化 GAN データ⽣成 識別
なぜ今⼈⼯知能
⼈⼯知能の(⽴場から⾒た)歴史 ɡలˍ-ˎ-ˎȟ૽ࢥෝ͈ܿႤঃ ၳȇઐཅނఱڠޗၳȂشڠܿȆڠଽॐࡄݪਫ਼Ȫ˪˥˯˰ˡˬȫ͈ၳͬ४ࣉͅ໐شڠજै଼ ਃ༊৾ಆ ঽேୁ૪৶ ਔઓৠ੍ର ർด؞ഊଡ଼؞ঃ६ঝ 1950 1970 1980
1995 2010 2016 ਸ਼ڭઃযੵੴચঈش ق؞ർดभৎ৻ك ਸ਼گઃযੵੴચঈش قਃ༊৾ಆ؞ਠ৾ಆभৎ৻ك ਸ਼ڮઃযੵੴચঈش قੴभৎ৻ك ॲشॺঐ५ভ৮ (1956) AI峒岮岰৷ୁ峘 [೧ნ]AlphaGo (2016) উটჿपਹ [ॳख़५]Deep Blue (1997) ਼ੀॳকথআड़থपਹ [లჿ]ਗ਼ਅ (2012ع) উটჿप311ী ॽগشছঝॿॵॺডشॡ ॹॕشউছشॽথॢ क़ख़ঈঅॵॢॹشॱ ৌਵ३५ॸभଢ଼ ॿड़॥ॢॽॺটথपेॊ൸ੳ قNHK੦ຊଢ଼ਚ ૣਣഺك ઋ৽ଡ଼ිपउऐॊੑਉ৶ قূপ৾ ਹك ੴॺঝॿॵॡ ਖभੰ ੑ૪৶ચৡभ ൸૪৶ಖ২भ Amazonॻটشথ ୧ଦৰৰୡ(2015) Googleঽઈૡ ਁॸ५ॺ(2015) Dendral (1965) Mycin (1972) Eliza (1965) Siri (2012) Pepper (2015) [ॡॖ६]Watson (2011) 崗崌崢ੌ峑৸৪崩嵋嵛崼崒嵛峼峍峐ਹ ق৻হك ৶भ ॳख़५ ঽேୁ ق৻হك ৶ ੴঋش५ ॽগشছঝॿॵॺডشॡ ق৻হك পૠெੴঋش५ ਃ༊৾ಆ ॹॕشউছشॽথॢ NIIَটॵॺमূপपোोॊऊُ উট४ख़ॡॺ(2011ع) ঽষदभ৪পಮ૯ (1995)قCMU সল૱ك ن ग़य़५ঃشॺ३५ॸ ه [१ॵढ़ش]টढ़ॵউ(RoboCup)ق1996عك パーセプトロン (1969)
なぜ今⼈⼯知能? • ビッグデータ • インターネットやIoT機器からに莫⼤なデータを収集することで,学習に必要な データが豊富になった. • 技術の発展 • 深層学習(深層ニューラルネットワーク)が他の技術より性能が遥かに上回っ
た(2012年). • GPUを⽤いることで深層学習の膨⼤な計算を現実的な時間で処理できるように なった. • GPGPU(3DCGを描画するための計算ユニットであるGPUを⼀般的な⽤途で使うこと) • 無料で簡単なライブラリ(開発環境)が公開された. • 社会的要請(⽇本) • ⼈⼝減少とそれに伴う⼈⼿不⾜により⾃動化を進める必要が出てきた. ビッグデータ,深層学習,GPGPU,ライブラリが同じ時代に揃った
世界の⼈⼯知能のプレーヤー • ビッグデータ • デジタル・プラットフォーマー各社 • 深層学習⽤ライブラリ(フレームワーク) • Google (Tensorflow)
• Facebook (Pytorch) • Preferred networks (Chainer)→2019年12⽉開発中⽌以後Pytorchに移⾏ • カルフォルニア⼤学 (Caffe) • 無料 = ライブラリで儲けようとしていない • 無料で簡単 = 誰でも使える.学歴,⼈種,年齢,性別,地域,⽴場,所属,職種などの垣 根は⼀切ない. • ⼿に⼊りやすい計算装置 • NVIDIA (GPU,ワンボードマイコン) • Google (TPU,USBアクセラレータ) • Intel (USBアクセラレータ) (https://business.nikkei.com/atcl/report/17/ai/051700001/)
データの独占と囲い込み • デジタル・プラットフォーマーによるデータの独占が問題視さ れている. • 独禁法データも資産 • 国によるデータの囲い込み(データローカライゼーション) • データが価値を⽣む世界になり,国もデータの保護に⼒を⼊れる.
• 中国 • サイバーセキュリティ法では,個⼈情報及び重要データを国外に持ち出す場合,国が 定める基準に従い安全評価をしなければならない,とされている.データを中国国外 へデータを持ち出すことを規制している. • EU • 原則第三国が⼗分な保護基準を確保していると欧州委員会が認める場合に限る(平成 28年通商⽩書). • その他 • インドネシア,ベトナムなど
⽇本における⼈⼯知能の研究開発 • ⼈材不⾜ • どの分野でも⼈⼯知能技術の導⼊が進むため,⼈⼯知能の浅い知識はどの 分野でも必要となるかも. • ⼈⼯知能研究 • Googleなどと同じ⼟俵で競争するのは無駄.
• しかし,良質なデータの揃ったニッチな分野への応⽤研究は⾒込みあるか も. • 10年後を⾒据え基礎研究を⾏う必要がある. • ⾰新知能統合研究センター設⽴. Ĉ3ÊwÿħȣȹȪȺɆ PUśDzǡȗȓȤȰȶșȹ ȞȓȂȤȴȟȅȹȊȯȶ TDN(ATR) ȦȓȤȢǹȹȲȘțȓȗ ȧȲȔȨȶȨȊȶ țǾȆȃȚȗȴȶ(NHK) ȚȮȹȴȒȓȤ TDȁȭȬȶ Google, IBM, Intel Deep Mind, ATR PUśDzǛǑ ǫDŽȾPǂǰǨǑ ȟȹȎȤȗȴȶ ĈƄÊ ȚȮȹȴ ȣȹȪſƉƃƹƀ ĈƅÊ ȚȮȹȴ ȣȹȪſƋƃƹƀ Geoffrey Hinton ȖǹȹȤțȓȗƽȖǹȹȤQƽĭĠľ ñ&ĹŇƽIBM TrueNorthǞǝ hTǜıǡÙDzǵ?ǏǚǃǞǃŞǢEǞǃ ȨȹȡȶȸȩȶȌȀȹ ȟȹȎȤȗȴȶ ƘƕƞžƚƱƦƲƲžſƄƌƉƌƀ DĒZƽĴůZĔĦ ȠȮȹȥȲȻǻǹȹȏȲ 1959 Ƅƌ (ATR川⼈⽒の資料より)
⼈⼯知能の時代 • ⼈⼯知能技術の⾼性能化・導⼊コストの低下により,いかに活 ⽤するかを問われる時代になってきている. • 製品への導⼊だけではなく,業務効率化のツールとしても活⽤が必要 • ⼈⼯知能や機械学習のツールは無料で⼿に⼊り簡単に試すこと が出来る •
⼤企業だけではなく,個⼈レベルでも使うことが可能 • 猫を追い払うシステム,きゅうり識別システム,イラスト化など • ⼀般向け雑誌にも⼈⼯知能作成の特集記事が出る. (CQ出版 2018)
演習 • AIにおける機械学習の説明として,最も適切なものはどれか.(基本 情報平成30年秋期) 1. 記憶したデータから特定のパターンを⾒つけ出すなどの,⼈が⾃然 に⾏っている学習能⼒をコンピュータにもたせるための技術 2. コンピュータ,機械などを使って,⽣命現象や進化のプロセスを再 現するための技術
3. 特定の分野の専⾨知識をコンピュータに⼊⼒し,⼊⼒された知識を ⽤いてコンピュータが推論する技術 4. ⼈が双⽅向学習を⾏うために,Webシステムなどの情報技術を⽤い て,教材や学習管理能⼒をコンピュータにもたせるための技術
演習 • AIにおける機械学習の説明として,最も適切なものはどれか.(基本情報平成 30年秋期) 1. 記憶したデータから特定のパターンを⾒つけ出すなどの,⼈が⾃然に⾏っ ている学習能⼒をコンピュータにもたせるための技術 2. コンピュータ,機械などを使って,⽣命現象や進化のプロセスを再現する ための技術
3. 特定の分野の専⾨知識をコンピュータに⼊⼒し,⼊⼒された知識を⽤いて コンピュータが推論する技術 エキスパートシステム 4. ⼈が双⽅向学習を⾏うために,Webシステムなどの情報技術を⽤いて,教 材や学習管理能⼒をコンピュータにもたせるための技術 E-learning
演習 • 機械学習における教師あり学習の説明として,最も適切なものはどれ か.(基本情報技術者平成31年春期) 1. 個々の⾏動に対しての良し悪しを得点として与えることによって, 得点が最も多く得られるような⽅策を学習する. 2. コンピュータ利⽤者の挙動データを蓄積し,挙動データの出現頻度 に従って次の挙動を推論する.
3. 正解のデータを提⽰したり,データが誤りであることを指摘したり することによって,未知のデータに対して正誤を得ることを助ける. 4. 正解のデータを提⽰せずに,統計的性質や,ある種の条件によって ⼊⼒パターンを判定したり,クラスタリングしたりする.
演習 • 機械学習における教師あり学習の説明として,最も適切なものはどれか.(基 本情報技術者平成31年春期) 1. 個々の⾏動に対しての良し悪しを得点として与えることによって,得点が 最も多く得られるような⽅策を学習する. 強化学習 2. コンピュータ利⽤者の挙動データを蓄積し,挙動データの出現頻度に従っ
て次の挙動を推論する. 3. 正解のデータを提⽰したり,データが誤りであることを指摘したりするこ とによって,未知のデータに対して正誤を得ることを助ける. 4. 正解のデータを提⽰せずに,統計的性質や,ある種の条件によって⼊⼒パ ターンを判定したり,クラスタリングしたりする. 教師なし学習
演習 • ⼈⼯知能の活⽤事例として,最も適切なものはどれか.(ITパ スポート令和元年秋期) 1. 運転⼿が関与せずに,⾃動⾞の加速,操縦,制動の全てをシ ステムが⾏う。 2. オフィスの⾃席にいながら,会議室やトイレの空き状況がリ アルタイムに分かる。
3. 銀⾏のような中央管理者を置かなくても,分散型の合意形成 技術によって,取引の承認を⾏う。 4. ⾃宅のPCから事前に⼊⼒し,窓⼝に⾏かなくても⾃動で振替 や振込を⾏う。
演習 • ⼈⼯知能の活⽤事例として,最も適切なものはどれか.(ITパスポート令和元 年秋期) 1. 運転⼿が関与せずに,⾃動⾞の加速,操縦,制動の全てをシステムが⾏う。 2. オフィスの⾃席にいながら,会議室やトイレの空き状況がリアルタイムに 分かる。 IoT
3. 銀⾏のような中央管理者を置かなくても,分散型の合意形成技術によって, 取引の承認を⾏う。 ブロックチェーン 4. ⾃宅のPCから事前に⼊⼒し,窓⼝に⾏かなくても⾃動で振替や振込を⾏う。 ネットバンキング
演習 • 蓄積されたデータに対してパターン認識機能や機械学習機能を適⽤することに よって,コールセンタにおける顧客応対業務の質的向上が可能となる事例はど れか.(基本情報平成30年春期) 1. 応対マニュアルや顧客の基本情報を電⼦化したものを,オペレータの要求 時に応対⽤の画⾯にポップアップ画⾯として表⽰する. 2. 顧客の問合せの内容に応じて,関連資料や過去の応対に関する全履歴から,
最適な回答をリアルタイムで導き出す. 3. 電話応対中のオペレータが回答に窮したときに,その電話や応対画⾯をベ テランのオペレータや専⾨要員に転送する. 4. ベテランのオペレータが講師となり,応対マニュアルを教材にして,新⼈ オペレータに対するロールプレイング研修を繰り返して実施する.
演習 • 蓄積されたデータに対してパターン認識機能や機械学習機能を適⽤することに よって,コールセンタにおける顧客応対業務の質的向上が可能となる事例はど れか.(基本情報平成30年春期) 1. 応対マニュアルや顧客の基本情報を電⼦化したものを,オペレータの要求 時に応対⽤の画⾯にポップアップ画⾯として表⽰する. 2. 顧客の問合せの内容に応じて,関連資料や過去の応対に関する全履歴から,
最適な回答をリアルタイムで導き出す. 3. 電話応対中のオペレータが回答に窮したときに,その電話や応対画⾯をベ テランのオペレータや専⾨要員に転送する. 4. ベテランのオペレータが講師となり,応対マニュアルを教材にして,新⼈ オペレータに対するロールプレイング研修を繰り返して実施する.
おまけ トップダウン的⼿法とボトム アップ的⼿法
神経科学におけるトップダウン的⼿法とボトムアップ的⼿法 • トップダウン的⼿法 • 脳を情報処理機械とみなし,その計算理論を明らかにすることで脳を理解する. • 機能から考える. • ボトムアップ的⼿法 •
脳を構成する構成要素とその相互作⽤により,どのようにして脳の情報処理機 能が実現しているのか明らかにする. • 部品から考える. 画像 脳 数字だとわかる 0, 1, 2, 3, 4 5, 6, 7, 8, 9