解説とわかりやすい図で簡単に説明
AIに興味はあるものの用語が難しいと感じる方向けにご用意いたしました。
「学習とは？」「ディープラーニングとは？」などAIに関する基本的な用語をできるだけわかりやすくご説明いたします。 この解説を読んでAIに関するイメージを掴んでいただければ幸いです。どうぞご活用下さい。
このカタログについて
| ドキュメント名 | エッジAIとは？やさしいAI用語集 |
|---|---|
| ドキュメント種別 | その他 |
| ファイルサイズ | 986.2Kb |
| 登録カテゴリ | |
| 取り扱い企業 | 株式会社マーブル エンベデッドプロダクト事業本部 プロダクト事業部 (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ
このカタログの内容
Page1
やさしいAI用語集
Page2
目次
はじめに
AIの分類イメージ
AIの歴史
1.学習と推論
1-1.学習
1-2.推論
2.機械学習について
2-1.機械学習
2-2.教師あり学習
2-3.教師なし学習
Page3
2-4.強化学習
2-5.過学習
2-6.ニューラルネットワーク
2-7.ディープラーニング
3.AIの形態
3-1.クラウド
3-2.クラウドAI
3-3.IoT
3-4.エッジAI
4.AIの実践
4-1.開発言語 Python（パイソン）
4-2.代表的なライブラリ
4-3.身近なAIの応用例
Page4
はじめに
AI（人工知能）とはArtificial Intelligenceの略で一般的な用語として広く知られ
ています。言い換えれば、人間の代わりにコンピュータが自ら状況を判断し、適切
な行動を行う技術とも言えます。
2012年以降ディープラーニング（深層学習）というAIに学習をさせる技術の登場
によって、学習精度を向上させることが可能になり、顔認証や音声認証、ゲーム（
囲碁や将棋）など幅広い分野での研究が行われ、実用化されています。
また、IoTデバイスでの利用など場所を問わずAIの技術を活用できるようになって
きました。
私たちの生活の一部になりつつあるAIの用語について、AI初心者の方向けにでき
るだけ簡単にご説明いたします。
Page5
AIの分類イメージ
人間の代わりにコンピュータが自ら状況を
判断し、適切な行動を行う技術。
AI（人工知能）
AIの学習方法の一つ。
データの特徴を自動で発見し分析を行う。 機械学習
ニューラルネットワーク
人の脳細胞に似せて数学的に作り出そうと
した技術。機械学習の一部の手法で利用さ
れている。 ディープラーニング
機械学習の最新の手法。ニューラルネット
ワークを利用することで人の手を借りずに
自動で学習を行う。
Page6
AIの歴史
1950年代～ (一次ブーム)
人工知能の概念が初めて提唱され、多くの研究が行われた。
研究の結果、ゲームのようにルールが決まったもの（チェスなど）に対しては強い傾向に
あることが判明した。しかし、自動翻訳などのパターンが一定でないものに対しては対応
が難しく、AIの一次ブームは終わりを迎えた。
1980年代～ (二次ブーム)
専門知識（医療知識など）をあらかじめ覚えさせておき、後から条件を入力することによ
り当てはまる情報を提供する「エキスパートシステム」が開発された。
2000年代～ (三次ブーム)
機械学習の技術が生まれたことにより、コンピュータが自らデータの分析を行い判断する
ことができるようになった。これにより予測などが可能になった。
Page7
1.学習と推論
AIに関する基本的プロセスである「学習」と「推論」について説明いたします。
Page8
1-1.学習
「学習」は機械にものを覚えさせることを指す言葉です。機械はたくさんのデータを
特徴ごとに分類し、分類した結果から「学習モデル」を作り上げます。
現在は機械が自動で法則性を見つけ学習モデルを作り出すディープラーニングという
技術に進化しています。
ポイント！！
・学習モデルとはAIがデータをもとに学習したもの。
学習モデルが判定基準となり、物の分類や正誤判定などを行う。
猫ってこんな感じ 人がAIに直接教える
これが猫の特徴か
Page9
1-2.推論
AIが学習したデータ（学習モデル）をもとに対象のデータを見比べ、
結果を判定するプロセスを「推論」と呼びます。
ポイント！！
・学習モデルに依存する処理なので、学習モデルの内容次第で結果が大きく変わる。
これは同じ分類のもの？
違うもの？
教えてもらったのはこれ
推論の結果
対象のデータ 学習モデル 猫に分類！
Page10
2.機械学習について
機械学習の概要と様々な学習方法について説明いたします。
Page11
2-1.機械学習
AIが自動でデータの特徴を分析することを「機械学習」と呼びます。
分析の結果を人が確認し、間違っていれば人が補正をかけて、また学習を進める方法です。
ポイント！！
・従来のエキスパートシステムは専門家(医学なら医者)の知識が開発に必要だった。
機械学習では、データからAIが特徴を自動で分析し学習を行う。
分けてみて！
Page12
2-2.教師あり学習
データとその正解を教える方法を「教師あり学習」と呼びます。
例えば、写真をデータとして用意し、そこに「犬」という名前を紐づけて学習を進めます。
学習を進めるうちにデータごとに分類が分けられていき、最終的に「犬」か「猫」か
判別できるようになります。
ポイント！！
・データと正解をセットで学習させることで物の分類ができるようになる。
これは「犬」だ
これは「猫」 これは「犬」 学習後
こっちは「猫」だ
Page13
2-3.教師なし学習
教師あり学習とは違いデータの正解を教えることなく、データのみをAIに渡し学習させる方
法です。AIはデータを見比べてその特徴をつかみ、分類などを行います。
ポイント！！
・データが合っている間違っているのかを判定するのではなく、グループ分け
をできるようにする学習方法。
特徴ごとに分類して こんな感じで分けられそう
みよう
学習を進める
Page14
2-4.強化学習
強化学習は、ある条件のもと得られる結果が一番良くなるように、試行錯誤して
学習を続ける方法です。
様々な方法を試していくことでより良い結果を出そうとします。
ポイント！！
・強化学習を利用した代表的なものは囲碁AIの「AlphaGo」だ。
何度も対局を繰り返し、学習を行い続けることでプロにも勝てる実力を
身につけた。
Page15
2-5.過学習
AIが学習データだけを正解だと認識し、その他の未知のデータは不正解という
判定を下してしまうようになることです。
学習したデータに特化しすぎて、汎用力のない「頭の固い」AIになってしまう
状態を指します。
ポイント！！
・学習させるデータのバリエーションを増やしたり、複雑なデータを単純な
ものに変えたりすることで過学習を防ぐことができる。
これが「犬」で
あるはずない
これが
「犬」だ
本当は犬なのに、学習したものと
違うから犬ではないと判断
Page16
2-6.ニューラルネットワーク
人間の脳の神経細胞の仕組みをコンピューター上で数学的に表そうとした技術です。
1950年代にニューラルネットワークが考案されAI研究の先駆けとなりました。その後も
研究が続き、現在はディープラーニングなどの複雑な学習を行うことができるようになっ
ています。
ポイント！！
・ディープラーニングの基礎になった技術。
Page17
2-7.ディープラーニング
ニューラルネットワークを発展させた機械学習の最新の手法で、人の手を借りずに自動で
学習を行う方法です。
ポイント！！
・学習精度がとても高く、人間の認識率を超える場合もある。
・従来の学習方法よりもデータの特徴をより詳細につかむことができ、複雑なデータの
処理を行うことが可能。
重要な特徴はこれかな
特徴に近いから仲間だ
人が分類分けのルールを決めなくても自動で行う 未知のデータに対しても高い認識率
Page18
3.AIの形態
AIがどのような形で提供されているのか解説します。
Page19
3-1.クラウド
インターネットで提供しているサービスを、インターネット経由でユーザーは必要な時に
利用するという仕組みです。
クラウドの形態としてソフトウェアを提供する「SaaS」、開発環境などのプラットホーム
を提供する「PaaS」、サーバーなどのインフラを提供する「IaaS」があげられます。
ポイント！！
・AWSなどサービス提供元もたくさん存在する。
Page20
3-2.クラウドAI
クラウド上で情報処理を行うAIを「クラウドAI」と呼びます。
AIに関する学習や推論などはクラウド上ですべての処理を行います。 クラウド
ポイント！！ AI
・クラウド上で処理を行うため複雑な処理も実行可能。
・インターネットに繋がっていれば場所を問わず利用できる。
・クラウドAIが利用されているサービスは多く存在する。
処理結果を返す
意識していないだけで実はAIが利用されているという場合も多い。
自動翻訳して！
ユーザー端末から
クラウドに指示を出す