はじめに: しばしば混乱する概念
機械学習、ディープラーニング、ニューラルネットワークは、人工知能のニュースで常に耳にする用語です。多くの人はこれらの単語を同じ意味で使用しますが、それらは異なるテクノロジーを表しており、それぞれに独自の範囲と用途があります。
混乱が起こるのは、一方が他方に含まれているためです。ニューラル ネットワークは機械学習技術であり、ディープ ラーニングはニューラル ネットワークの進化です。この階層を理解することは、AI がどのように機能し、どのようなツールがさまざまな問題を解決するかを理解するために不可欠です。
このガイドでは、これらの概念を分解し、それぞれが現実世界でどのように機能するかについての実践例を示します。
機械学習: すべてのアルゴリズムの傘
Machine Learningとは?
機械学習は最も幅広い分野です、データから学習するあらゆるシステムを包含し、状況ごとに明示的にプログラムされることはありません。機械学習アルゴリズムは、厳密な指示に従う代わりに、データ内のパターンを特定し、そのパターンを使用して予測を行います。
電子メールのスパムフィルタを想像してみてください プログラマーは、考えられるすべてのスパムメールに対してルールを書くことはできません そこで、機械学習アルゴリズムは、何百万もの電子メール (スパムまたは正規としてマークされている) を分析し、疑わしい単語、送信者不明、奇妙な形式など、どの機能がスパムを示しているかを自動的に学習します。
機械学習の 3 つの主なタイプ
教師あり学習: アルゴリズムはすでにラベル付けされたデータから学習します 入力例に正解を示し システムはパターンを学習します 例: すでに分類された電子メールの履歴を使用して、電子メールをスパムまたは非スパムとして分類します。
教師なし学習: あらかじめ定義された正解はありません アルゴリズムはデータ内の構造やグループ化を 単独で見つけます 例: ストアの顧客を分析して 似たような行動をするグループを見つけます グループの数が事前にわからないままです。
強化学習: アルゴリズムは試行錯誤しながら学び、報酬や罰を受けます 例えば、歩くことを覚えるロボットや、徐々に戦略を改善することでチェスを覚えるプログラムなどです。
ニューラル ネットワーク: 特定のタイプの機械学習
ニューラルネットワークの仕組み
ニューラル ネットワークは、人間の脳からインスピレーションを得た機械学習の方法です。 人工ニューロンと呼ばれる 相互に接続されたユニットの層から成り立っています 各ニューロンは情報を受け取り 処理し 伝えていきます。
単純なニューラルネットワークは入力層(データ)、隠れ層(処理)、出力層(結果)の3 つの部分からなり、訓練時にはニューロン間の接続の重みを調整して誤差を少なくする。
他のアルゴリズムの代わりにニューラル ネットワークを使用する場合
ニューラルネットワークは、それがあると輝きます たくさんのデータ e 複雑なパターン 実際の例: 写真の顔の認識、自然な音声の理解、医療画像からの病気の診断。
データが少ない単純な問題の場合、デシジョン ツリーや線形回帰などの古いアルゴリズムの方が効率的です。数百万のパラメーターを持つニューラル ネットワークは、クライアントが 3 つの特性に基づいてサブスクリプションを更新するかどうかを予測するのに過剰です。
ディープラーニング: ニューラルネットワークが深化するとき
根本的な違い:深さ
ディープラーニングは、多くの隠れ層を持つ単なるニューラルネットワークです 通常 3 層.
