Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
猫にもわかるAI
Search
Hideyuki Yokoyama
December 20, 2020
Technology
1
47
猫にもわかるAI
非技術者のための、AIの分類と簡単な説明です。
Hideyuki Yokoyama
December 20, 2020
Tweet
Share
Other Decks in Technology
See All in Technology
困難を「一般解」で解く
fujiwara3
7
1.5k
AWSアカウントのセキュリティ自動化、どこまで進める? 最適な設計と実践ポイント
yuobayashi
7
950
DevinでAI AWSエンジニア製造計画 序章 〜CDKを添えて〜/devin-load-to-aws-engineer
tomoki10
0
190
MIMEと文字コードの闇
hirachan
2
1.4k
プルリクエストレビューを終わらせるためのチーム体制 / The Team for Completing Pull Request Reviews
nekonenene
1
180
EMConf JP 2025 懇親会LT / EMConf JP 2025 social gathering
sugamasao
2
200
Oracle Database Technology Night #87-1 : Exadata Database Service on Exascale Infrastructure(ExaDB-XS)サービス詳細
oracle4engineer
PRO
1
210
OPENLOGI Company Profile for engineer
hr01
1
20k
Autonomous Database Serverless 技術詳細 / adb-s_technical_detail_jp
oracle4engineer
PRO
17
45k
EDRの検知の仕組みと検知回避について
chayakonanaika
12
5.2k
"TEAM"を導入したら最高のエンジニア"Team"を実現できた / Deploying "TEAM" and Building the Best Engineering "Team"
yuj1osm
1
230
30→150人のエンジニア組織拡大に伴うアジャイル文化を醸成する役割と取り組みの変化
nagata03
0
200
Featured
See All Featured
[RailsConf 2023] Rails as a piece of cake
palkan
53
5.3k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
356
29k
Navigating Team Friction
lara
183
15k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
6
580
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.2k
Facilitating Awesome Meetings
lara
53
6.2k
Testing 201, or: Great Expectations
jmmastey
42
7.2k
Designing Experiences People Love
moore
140
23k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
40
2k
Unsuck your backbone
ammeep
669
57k
Transcript
猫にもわかるAI
自己紹介 - @yoko8ma - 某AIスタートアップでSAや技術採用など
AIの分類 強いAI 弱いAI ルール ベース 遺伝的 アルゴ リズム 機械学習 教師あ
り 教師な し 強化学 習 ニューラルネットワーク 深層学習
AIとは? 強いAI 弱いAI と
強いAI
人間と同じように思考できるAI - ドラえもん - 2001年宇宙の旅のHAL - ターミネーター 2020年現在、強いAIは存在していない そもそも実現可能かどうかも不明
弱いAI
特定領域の問題解決に特化したAI - ルンバ → 掃除 - Alpha Go → 囲碁
SiriやAlexaも弱いAIの一種
AIとは?(再び) ルール ベース 機械 学習 遺伝的 アルゴリズム
ルールベースとは? 事前に設定したルールに一致した答えを返すシステム 全てのルールを人間が考える 想定外には対応できない クロネコヤマトの再配達受付チャットボットなど
遺伝的アルゴリズムとは? 手当たり次第に答えを用意して、問題に対して一番成績が良かっ たものを残す これを繰り返して最適化していく N700系新幹線のフロントノーズ設計など
機械学習とは? 膨大なデータからパターンを見つけ出す(=学習) パターンを使って未知のデータを分類・予測する 学習方法に種類がある - 教師あり学習 - 教師なし学習 - 強化学習
教師あり学習とは? 用意したデータに人間がラベル(=正解)をつけていく AIはデータとラベルの組み合わせを学習する 学習した結果をモデルという モデルを使って未知のデータから正解を予測する
教師なし学習とは? 用意したデータをAIが分類する 分類した結果に人間がラベルをつける 分類方法を学習したモデルを使って未知のデータを分類する
強化学習とは? 振る舞いによって得られた報酬から、振る舞いを再帰的に学習す る方法 自動運転やゲームでの利用が多い
AIの分類 強いAI 弱いAI ルール ベース 遺伝的 アルゴ リズム 機械学習 教師あ
り 教師な し 強化 学習 ニューラルネットワーク 深層学習
弊社の主戦場 深層学習を使わない教師あり学習 - データはある - データに対するラベリングをする - 精度の良いモデルをつくる - 分類・予測する
分類 人が在宅かどうか判定したい 過去の電力データと、それに対応する在不在ラベルを用意する 学習する 今の電力データをもとに在不在を判定する
回帰 過去の発注と在庫のデータがある 在庫を最小にするような発注数を学習する 学習したモデルを使って来週の発注数を予測する