人工知能(AI)の「細胞」の動きを学ぼう

2025/12のノートルダム清心女子大学 情報デザイン学部オープンキャンパスの学科企画で使用したスライドです。

◆概要
誰もがAIを使う現代では、ただAIサービスを使えるだけでなく、AIの動作原理を理解して活用できる人材が求められます。AIの「細胞」である形式ニューロンの動作を、表計算ソフトを使って学びましょう！

Transcript

1. 学科企画 「人工知能(AI)の 「細胞」の動きを学ぼう」 情報デザイン学科 大西 洋(講師) 井上 かのこ(2年)・川上 紗和(1年)
2. 本日の内容・目標 AIの「細胞」にあたる、 • 形式ニューロンの動作原理 …を学ぶ 2
3. AI技術の発展: 今後求められるもの 今後の社会で生きる上で何が必要になるか? ↓ 3 最新技術の有効活用 (How-toも含む) 技術への過度な依存は危険 (AIに限らず、どの技術でも) 情報技術の裏にある理論・考え方を理解することが重要
4. AI技術の発展: これまでの「AIブーム」 第1次 (1950～70年代) • Artificial Intelligenceという言葉が登場 • 形式ニューロンなどの基礎的なモデルが考案 第2次 (1980年代) • 質問に答えるエキスパートシステムが登場 • ニューラルネットワークの理論が発展 第3次 (2000年代～) • 画像や動画の生成AIを含むAIの高度化 • ニューラルネットワークの高度な学習が可能に 4
5. 形式ニューロン: AIの「細胞」 脳内の神経細胞(neuron)の動作を模したモデル 5 (参考) McCulloch & Pitts(1943)「A logical calculus of the ideas immanent in nervous activity」 Bulletin of Mathematical Biophysics, Vol.5, p.115-133, doi:10.1007/BF02478259 𝑡 𝑥1 𝑥2 𝑥3 𝑤1 𝑤2 𝑤3 𝑦 = ቊ 1 (𝒘 ⋅ 𝒙 ≧ 𝑡) 0 (𝒘 ⋅ 𝒙 < 𝑡) 重み 特徴 しきい値
6. 事例: ある大学(架空)の入学試験 ある大学は、入学試験で国語・英語・数学(すべて 100点満点)の3科目を実施しており、各学部の換 算基準を元に、受験者のスコアを算出する P学部は、国語の点数を80点分に、英語の点数を 70点分に、数学の点数を150点分に換算した上で、 換算後の点数を合計した値をスコアとする その上で、合格ライン(しきい値)を150点とし、 スコアが150点以上の受験者を合格とする 6 ※以上の設定は架空のもので、実在の大学・学部・入試制度などとは無関係です。 科目 国語 英語 数学 満点 100 100 100 換算点 80 70 150 換算比 0.8 0.7 1.5
7. 事例: ある受験者Aさんの合否判定 Aさんの試験での得点(換算前)が 国語: 50点・英語: 40点・数学: 60点 のとき、Aさんのスコア𝑠は、 𝑠 = 80 100 × 50 + 70 100 × 40 + 150 100 × 60 = 0.8 × 50 + 0.7 × 40 + 1.5 × 60 = 40 + 28 + 90 = 158 𝑠 ≧ 150なので、 AさんはP学部に合格する 7 科目 国語 英語 数学 満点 100 100 100 換算点 80 70 150 換算比 0.8 0.7 1.5
8. Work: Aさんの国語の換算点の算出 Aさんの国語の換算点を求めましょう 1. E2セル(E列かつ2行目のセル)に数式を記入し たいので、E2セルの真上でダブルクリック 2. Pさんの国語の点数はB2セルの値で、 換算比率はM4セルの値であるので、 すべて半角で「=M$4*B2」と入力し、Enter ※「*(アスタリスク)」は「かけ算(×)」を表す 8 ※「=」は[Shift]+[-]、「$」は[Shift]+[4]、「*」は[Shift]+[:]で入力できます
9. Work: Aさんの全科目の換算点の算出 Aさんの全科目の換算点を求めましょう 1. E2セルの数式をコピーするために、E2セルをク リックし、E2セルを選択する(緑枠で囲まれます) 2. 緑枠の右下の「▪」にマウスカーソルを移動し、 カーソルが黒十字(✚)になることを確認する (白十字や矢印付きの十字ではありません) 3. 黒十字の状態でクリックしたまま右へ移動し、 G2セルまで緑枠で囲まれたらマウスを離す 9 ※緑枠の右下の「▪」をフィルハンドルといいます。
10. Work: 全員のスコアの算出 受験者全員の全科目の換算点を求めましょう 1. F2セルの数式をコピーするために、F2セルをク リックし、F2セルを選択する 2. 数式を下側にコピーするために、フィルハンドルを 使い、マウスを下に移動し、F9セルまで数式をコ ピーする 3. G2セルについても、9行目まで数式をコピーする 10
11. スコアの式の一般化 Aさんの得点が 国語: 50点・英語: 40点・数学: 60点 のとき、Aさんのスコア𝑠は、 𝑠 = 0.8 × 50 + 0.7 × 40 + 1.5 × 60 …と表せる Aさんの得点が 国語: 𝑥1 点・英語: 𝑥2 点・数学: 𝑥3 点 のときには、Aさんのスコア𝑠は、 𝑠 = 0.8 × 𝑥1 + 0.7 × 𝑥2 + 1.5 × 𝑥3 …と表せる 11 科目 国語 英語 数学 満点 100 100 100 換算点 80 70 150 換算比 0.8 0.7 1.5
12. ベクトル: 複数の文字をまとめて扱う 複数の文字を(𝑥1 , 𝑥2 , 𝑥3 )のようにまとめたものを ベクトルという 例: • Aさんの得点は(50, 40, 60)と表せる • P学部の換算比率は(0.8, 0.7, 1.5)と表せる ベクトルは、文字を太字にして表すことが多い 例: 𝒙 = (𝑥1 , 𝑥2 , 𝑥3 ) 12
13. ベクトルの内積: ベクトルの「かけ算」 2つのベクトル𝒘 = 𝑤1 , 𝑤2 , 𝑤3 , 𝒙 = 𝑥1 , 𝑥2 , 𝑥3 について、 𝒘 ∙ 𝒙 = 𝑤1 𝑥1 + 𝑤2 𝑥2 + 𝑤3 𝑥3 を、𝒘と𝒙の内積という 例: ベクトル(1, 2, 3)と(6, 5, 4)の内積は、 (1, 2, 3) ∙ (6, 5, 4) = 1 × 6 + 2 × 5 + 3 × 4 = 6 + 10 + 12 = 28 13
14. 内積を使った表記 Aさんの国語・英語・数学の得点が 𝒙 = (𝑥1 , 𝑥2 , 𝑥3 )点で、 𝒘 = 0.8, 0.7, 1.5 とすると、 Aさんのスコア𝑠は、 𝑠 = 0.8 × 𝑥1 + 0.7 × 𝑥2 + 1.5 × 𝑥3 = (0.8, 0.7, 1.5) ∙ (𝑥1 , 𝑥2 , 𝑥3 ) = 𝒘 ∙ 𝒙 …と表せる 14 科目 国語 英語 数学 満点 100 100 100 換算点 80 70 150 換算比 0.8 0.7 1.5
15. 内積を使った表記 Aさんの国語・英語・数学の得点が 𝒙 = (𝑥1 , 𝑥2 , 𝑥3 )点で、 𝒘 = 0.8, 0.7, 1.5 とすると、 Aさんのスコア𝑠は、 𝑠 = 0.8 × 𝑥1 + 0.7 × 𝑥2 + 1.5 × 𝑥3 = (0.8, 0.7, 1.5) ∙ (𝑥1 , 𝑥2 , 𝑥3 ) = 𝒘 ∙ 𝒙 …と表せる 15 各科目の得点をどれだけ 重視するかという比率 ⇒「重み(weight)」を表す 受験者の特徴が各科目の 得点という形で抽出 ⇒ 「特徴(feature)」を表す 科目 国語 英語 数学 満点 100 100 100 換算点 80 70 150 換算比 0.8 0.7 1.5
16. 形式ニューロン: AIの「細胞」 脳内の神経細胞(neuron)の動作を模したモデル 形式ニューロンは、計算結果を0 or 1で出力できる 16 (参考) McCulloch & Pitts(1943)「A logical calculus of the ideas immanent in nervous activity」 Bulletin of Mathematical Biophysics, Vol.5, p.115-133, doi:10.1007/BF02478259 𝑡 𝑥1 𝑥2 𝑥3 𝑤1 𝑤2 𝑤3 𝑦 = ቊ 1 (𝒘 ⋅ 𝒙 ≧ 𝑡) 0 (𝒘 ⋅ 𝒙 < 𝑡) 重み 特徴 しきい値
17. 重み𝒘やしきい値𝑡が異なるニューロンを並べる あるニューロンの出力を別のニューロンにつなぐ ⇒ より高度な判断・出力ができるようになる ニューラルネットワーク 17 入力𝒙 出力
18. (おまけ) どんな「重み」にするのが適切か? • 重みベクトルをどのような値にするかは、 どの成分を重視するかによって変わる • 事例のような入試では、学部ごとに重視する科目 が異なるため、学部ごとに重みは異なるはず • たとえば、Q学部(国際系)とR学部(教育系)では、 重みベクトルをどうするのがよいでしょうか? (ただし、閾値𝑡は150のままとします) 𝒘Q = , , 𝒘R = , , ※左から国語・英語・数学に対応する重みだとする 18
19. (おまけ) 重みの調節: 教師あり学習 • 設定した重みに基づいて合否を判定したところ、 学部の専門性に即した適性がありそうな受験生 が不合格と判定されてしまった… • 次年度からは、このような現象を回避したい • 調整方法は次のいずれか: • 重み𝒘を調整する方法: 理想的な重みに近づける • (しきい値𝑡を調整する方法: 「合格ライン」を下げる) • (特徴𝒙を調整する方法: 試験の難度を下げる) • 合否判定結果の妥当性を第三者(「教師」)の目 で確認し、妥当でないと判断したら重みを調整し て、次回以降の精度を向上させる ⇒ 「教師あり学習(supervised learning)」 19 ※人工知能で用いられる学習方法には他にも、教師データなしに行う教師なし学習や、 半自動的に学習が進むような手法など、さまざまなものがあります。
20. 本日の内容・目標 AIの「細胞」にあたる、 • 形式ニューロンの動作原理 …を学ぶ 20