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
“常に進化する”開発現場へ! SHIFTが語るアジャイルQAの未来/20250306 Yuma Murase
shift_evolve
0
100
リクルートのエンジニア組織を下支えする 新卒の育成の仕組み
recruitengineers
PRO
2
180
データベースの負荷を紐解く/untangle-the-database-load
emiki
2
550
2025/3/1 公共交通オープンデータデイ2025
morohoshi
0
110
MIMEと文字コードの闇
hirachan
2
1.5k
"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
240
IoTシステム開発の複雑さを低減するための統合的アーキテクチャ
kentaro
1
130
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
3
1.4k
Amazon Athenaから利用時のGlueのIcebergテーブルのメンテナンスについて
nayuts
0
120
RayでPHPのデバッグをちょっと快適にする
muno92
PRO
0
200
サイト信頼性エンジニアリングとAmazon Web Services / SRE and AWS
ymotongpoo
7
1.8k
大規模アジャイルフレームワークから学ぶエンジニアマネジメントの本質
staka121
PRO
3
1.7k
Featured
See All Featured
4 Signs Your Business is Dying
shpigford
183
22k
What's in a price? How to price your products and services
michaelherold
244
12k
Speed Design
sergeychernyshev
27
820
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
134
33k
Intergalactic Javascript Robots from Outer Space
tanoku
270
27k
Fontdeck: Realign not Redesign
paulrobertlloyd
83
5.4k
How to train your dragon (web standard)
notwaldorf
91
5.9k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
30
2.3k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
33
2.8k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
13
1k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
32
2.2k
Designing for Performance
lara
605
68k
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