Upgrade to Pro — share decks privately, control downloads, hide ads and more …

AI講座資料

yusuke
February 02, 2023

 AI講座資料

yusuke

February 02, 2023
Tweet

Other Decks in Technology

Transcript

  1. ⼈⼯知能研究の歴史 第⼀次⼈⼯知能ブーム (探索と推論) 1960~70年代 10 7 13 3 探索 →

    ⽬的の状態、条件を、 パターンから場合分けして探し出すこと 8 15 3, 8, 10, 15, 7, 13
  2. ⼊⼒ 出⼒ 𝑤! 𝑥! 𝑥$ 𝑤$ 𝑦 = 𝑥! 𝑤!

    + 𝑥$ 𝑤$ + 𝑤# 𝑤# 1 𝑦 全結合 線形 ⼈⼯ニューロン
  3. 出⼒ 活性化関数 ⾮線形変換 𝑦 𝑧 ⼈⼯ニューロン 𝑧 = 𝑓 𝑦

    - STEP関数 - ReLU関数 - Sigmoid関数 - tanh関数 - Softmax関数 線形変換
  4. 出⼒ 活性化関数 ⾮線形変換 𝑦 𝑧 ⼈⼯ニューロン 𝑧 = 𝑓 𝑦

    - STEP関数 - ReLU関数 - Sigmoid関数 - tanh関数 - Softmax関数 線形変換
  5. 出⼒ 𝑦 𝑧 ⼈⼯ニューロン 𝑓 𝑦 = + 1, 𝑦

    ≥ 0 0, 𝑦 < 0 STEP関数 𝑧 = 𝑓 𝑦 ⾮線形変換 線形変換
  6. 出⼒ 𝑦 𝑧 ⼈⼯ニューロン 𝑓 𝑦 = + 1, 𝑦

    ≥ 0 0, 𝑦 < 0 STEP関数 𝑧 = 𝑓 𝑦 ⾮線形変換 ⼊⼒︓1.2
  7. 出⼒ 𝑦 𝑧 ⼈⼯ニューロン 𝑓 𝑦 = + 1, 𝑦

    ≥ 0 0, 𝑦 < 0 STEP関数 𝑧 = 𝑓 𝑦 ⼊⼒︓1.2 𝑧 = 𝑓 1.2 1.2
  8. 出⼒ 𝑦 𝑧 ⼈⼯ニューロン 𝑓 𝑦 = + 1, 𝑦

    ≥ 0 0, 𝑦 < 0 STEP関数 𝑧 = 𝑓 𝑦 ⼊⼒︓1.2 𝑧 = 𝑓 1.2 1.2 1.0
  9. 出⼒ 𝑦 𝑧 ⼈⼯ニューロン 𝑓 𝑦 = + 1, 𝑦

    ≥ 0 0, 𝑦 < 0 STEP関数 𝑧 = 𝑓 𝑦 ⼊⼒︓1.2 𝑧 = 𝑓 1.2 1.2 1.0 1.0
  10. 出⼒ 活性化関数 ⾮線形変換 𝑦 𝑧 ⼈⼯ニューロン 𝑧 = 𝑓 𝑦

    - STEP関数 - ReLU関数 - Sigmoid関数 - tanh関数 - Softmax関数 線形変換
  11. 出⼒ 𝑦 𝑧 ⼈⼯ニューロン 𝑓 𝑦 = 1 1 +

    𝑒%& Sigmoid関数 𝑧 = 𝑓 𝑦 ⾮線形変換 線形変換
  12. 出⼒ 𝑦 𝑧 ⼈⼯ニューロン 𝑓 𝑦 = 1 1 +

    𝑒%& Sigmoid関数 𝑧 = 𝑓 𝑦 ⼊⼒︓1.2 𝑧 = 𝑓 1.2 1.2
  13. 出⼒ 𝑦 𝑧 ⼈⼯ニューロン 𝑓 𝑦 = 1 1 +

    𝑒%& Sigmoid関数 𝑧 = 𝑓 𝑦 ⼊⼒︓1.2 𝑧 = 𝑓 1.2 1.2 0.77 0.77
  14. ⼈⼯ニューロン 𝑤" ︓重み ⼊⼒ 出⼒ 𝑤! 𝑥! 𝑥" 𝑤" 𝑤#

    1 個々の重みにより答えを出す 重みの値を変えると結果も変わる
  15. ⼈⼯ニューロン 𝑤" ︓重み ⼊⼒ 出⼒ 𝑤! 𝑥! 𝑥" 𝑤" 𝑤#

    1 個々の重みにより答えを出す 重みの値を変えると結果も変わる 正解、不正解などを フィードバックすることで重みを調整する
  16. ⼈⼯ニューロン 𝑤" ︓重み ⼊⼒ 出⼒ 𝑤! 𝑥! 𝑥" 𝑤" 𝑤#

    1 個々の重みにより答えを出す 重みの値を変えると結果も変わる 正解、不正解などを フィードバックすることで重みを調整する 誤差逆伝搬法 フィードバック
  17. ⼈⼯ニューロン 𝑤" ︓重み ⼊⼒ 出⼒ 𝑤! 𝑥! 𝑥" 𝑤" 𝑤#

    1 個々の重みにより答えを出す 重みの値を変えると結果も変わる 正解、不正解などを フィードバックすることで重みを調整する 学習 フィードバック
  18. ⼈間の思考 ⼊⼒層 出⼒層 中間層 本を決める要素 本の決定 値段 帯紙 表紙 感覚や経験等による調整

    温度 時間 ⾊ コンビニ⼈間 檸檬 1.2 0.7 0.3 重み 村⽥沙耶⾹ 梶井基次郎
  19. ⼈間の思考 出⼒層 中間層 本を決める要素 本の決定 感覚や経験等による調整 温度 時間 ⾊ コンビニ⼈間

    檸檬 ⼊⼒層 値段 帯紙 表紙 1.2 0.7 0.3 重み 0.5 0.1 村⽥沙耶⾹ 梶井基次郎
  20. ⼈間の思考 出⼒層 中間層 本を決める要素 本の決定 感覚や経験等による調整 温度 時間 ⾊ コンビニ⼈間

    檸檬 ⼊⼒層 値段 帯紙 表紙 1.2 0.7 0.3 重み 0.5 0.1 村⽥沙耶⾹ 梶井基次郎
  21. ⼈間の思考 出⼒層 中間層 本を決める要素 本の決定 感覚や経験等による調整 温度 時間 ⾊ コンビニ⼈間

    檸檬 ⼊⼒層 値段 帯紙 表紙 1.2 0.7 0.3 重み 0.5 0.1 1.1 0.4 村⽥沙耶⾹ 梶井基次郎
  22. ⼈間の思考 出⼒層 中間層 本を決める要素 本の決定 80 % 20 % 感覚や経験等による調整

    温度 時間 ⾊ コンビニ⼈間 檸檬 ⼊⼒層 値段 帯紙 表紙 1.2 0.7 0.3 重み 0.5 0.1 1.1 0.4 村⽥沙耶⾹ 梶井基次郎
  23. ディープラーニング(深層学習) ⼊⼒層 出⼒層 中間層 ⋯ ⋮ ⋮ ⋮ ⋮ ⋮

    ⋮ 中間層が増えたことで、 複雑な繋がりを持てるようになる。
  24. ディープラーニング(深層学習) 1. LSTM (Long Short-Term Memory)とは [概要] (https://cvml-expertguide.net/terms/dl/rnn/lstm/) 繋がりの組み合わせ⽅ LSTM(Long

    Short-Term Memory) ⻑期間保持し、 不要になった情報を忘れるようにする 過去の情報を保持し続けて、 最新の情報が⼊ってこない
  25. ディープラーニング(深層学習) 1. LSTM (Long Short-Term Memory)とは [概要] (https://cvml-expertguide.net/terms/dl/rnn/lstm/) 繋がりの組み合わせ⽅ LSTM(Long

    Short-Term Memory) - 時系列データの予測 - 株価の予想 - 地震の予測 - ⾃然⾔語処理 - AIチャットボット - ⾳声認識
  26. ⼊⼒層 出⼒層 中間層 ⋯ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮

    画像 物体検出 - 種類 - 位置 画像系 ディープラーニングでできること
  27. ⾃然⾔語系 ディープラーニングでできること ユーザからの⼊⼒ ⽂章 - 質問 - 答え ⽂章 -

    質問 - 答え ChatGPT ⼊⼒層 出⼒層 中間層 ⋯ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
  28. ⼊⼒層 出⼒層 中間層 ⋯ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮

    ⾳声系 ディープラーニングでできること ユーザからの⼊⼒ - ⾳声 ⽂章 - 質問 - 答え Siri Googleアシスタント