人工知能に関する多くのこと

2017 年、私は世界初で最も革新的な人工知能企業の 1 つである、ロンドンのパンクラス スクエアにある DeepMind Technologies を訪問しました。 これは私にとって目を見張るような経験でした。ゲームで最高の人々が何に取り組んだか、そしてテクノロジーが誇大宣伝を超えて正確にどこまで到達したかについての理解が深まりました. 私は、複雑なボードゲーム「囲碁」で人間の世界チャンピオンを打ち負かしたことで有名な AlphaGo のような人工知能の計り知れない可能性を実証しただけでなく、機械学習が次のような分野にどのように革命をもたらすかを示すいくつかの素晴らしい例にも直面しました。一部の病院や英国の NHS との DeepMind の連携によるヘルスケア。

しかし、私の以前の観察では、人工知能は当時はせいぜい野心的であり、多くの将来の可能性を秘めていましたが、ゲーム、おもちゃ、またはソーシャルメディアが影響を与える最良の例としてはまだ十分ではありませんでした.

私が DeepMind を訪問して以来、彼らは AlphaZero から AlphaGo に移行し、現在はチェスで勝利する機械学習アルゴリズムとはかけ離れた AlphaFold に移行しています。 AlphaFold はタンパク質の形状を正確に予測します。 栄養の文脈におけるタンパク質ではなく、体内のほとんどすべてを行う自己組織化ナノマシン. 私たちの細胞プロセス (私たちを生かすと言えるすべてのもの) は、タンパク質によって実行されるタスクです。 したがって、タンパク質の折り畳み (科学における最も困難な問題の 1 つ) は、科学者があらゆる生物の生物学的プロセスを理解するのに役立つ可能性があります。 これは、タンパク質の形状がその機能と密接に関連しているためであり、この構造を予測する能力により、タンパク質が何をどのように機能するかについての理解が深まります。 これは、薬がより迅速に発見され、病気がより迅速に治療され、多くの大きな謎が解き明かされることを意味します。 機械学習と人工知能のおかげです。 しかし、人々がよく口にするこれらの用語とは何であり、これらの手法はどのように機能するのでしょうか?

人工知能

世界的に言えば、2021 年は、テクノロジーのエキサイティングな進歩の新たな 10 年の到来を告げるものでした。 テクノロジーの最も話題になっている側面の 1 つは、人工知能または AI です。 AI は常に進化し、変化しているため、AI の定義は複雑で、誰に尋ねるかによって異なります。 ハリウッド映画は長い間、知性を持ったヒューマノイド ロボットを使ってそれを定義してきましたが、他の大衆文化は自動運転車やチェスをするボットを普及させてきました。 簡単に言えば、AI とは、自分で推論して行動できる機械を指します。 人間や動物のように、人工知能を備えた機械は、新しい状況に直面したときに自分で決定を下すことができます。

機械学習

人工知能とその構築者の探求は、知的に推論し、学習し、行動できる機械の作成です。 今日耳にする AI の進歩のほとんどは、機械学習に基づいています。 したがって、機械学習は、統計を利用して膨大なデータセットからパターンを見つける一種の人工知能です。 ここでのデータとは、数値、単語、写真、いいね、クリックなど、機械学習アルゴリズムに入力されたデジタル形式のあらゆるものを指します。 機械学習アプリケーションの一般的な例としては、YouTube や Netflix のレコメンデーション システム、Google などの検索エンジン、Facebook などのソーシャル ネットワーク フィード、Siri などの音声アシスタントがあります。 これらすべての例の中には、音声アシスタントの場合、何を見たり、クリックしたり、聞いたり、好きだったり、無視したり、嫌いだったり、何を言ったりするかなど、あなたの行動の深い観察があります. 次に、機械学習によってパターンが確立され、プラットフォーム上で何を好むか、何をするかについて、経験に基づいた推測が行われます。

ディープラーニング

これは、ディープ ラーニングと呼ばれる機械学習の一種です。 最小のパターンでも識別して増幅できる、非常に優れた機械学習を想像してみてください。 これは、供給されたデータに基づいて相対的な精度で予測するためにまとまって機能する多層計算ノードのため、ディープ ニューラル ネットワークとも呼ばれます。 本質的に、深層学習は基本的にニューラル ネットワークです。 その名前は、ノードがニューロンのように機能し、ネットワークが脳のように機能する人間の脳の内部の仕組みに由来しています。

これで、人工知能のアイデアが得られ、機械学習が最も革新的なアプリケーションであることがわかりました。 機械学習と深層学習の仕組みを理解している。 この範囲を完了するには、機械学習 (および深層学習) には 3 つの種類があることを知っておく必要があります。 教師あり、教師なし、強化学習。 教師あり学習は最も普及している種類であり、類似のパターンを探すように機械に信号を送るためにデータにラベルを付けることによって、コンピューターまたは機械が何を探すべきかを指示されます。 Netflix で番組を視聴するたびに、アルゴリズムがそれを記憶し、その参照に基づいて同様の番組を見つけようとします。

それどころか、教師なし学習では、マシンは見つけられるあらゆるパターンを探すことができます。 ここでは、データにはラベルがなく、アルゴリズムはすべてをくまなく調べ、パターンで特定された幅広いパラメーターに基づいて並べ替えまたは配置します。 この方法は、教師あり学習ほど一般的ではありませんが、強力なアプリケーションがあり、サイバーセキュリティで多くの地位を獲得しています.

最後に、明確な目的を達成するために試行錯誤から学習するアルゴリズムを含む強化学習があります。 多くの人は、これが機械学習の最新のフロンティアであると考えています。 アルゴリズムは、目標セットを達成するためにさまざまなことを試み、特定の行動が目標セットの達成にどの程度役立つか、または妨げているかに応じて、報酬またはペナルティを受け取ります。

この記事は、2021 年 1 月 4 日に最初に公開されました

Leave a Comment

Your email address will not be published. Required fields are marked *