人工知能, 汎用人工知能, AI, GPU, ビッグデータ, 機械学習, 深層学習, 自然言語処理, 画像認識, 音声認識, 強化学習, 深層強化学習, 正規化, 注意機構, BERT, GPT-3, Transformer, LSTM, ニューラルネットワーク, LAS, 線形代数, 微分, 確率
この記事を読むのに必要な時間:およそ 1 分
※「ディープラーニングを支える技術〈2〉——ニューラルネットワーク最大の謎』より。
ディープラーニング&AIについて知りたいと思ったとき,すぐに役に立つ厳選用語を紹介します。
ディープラーニング deep learning
「ニューラルネットワーク」と呼ばれるモデルを使って,データからルールや知識,表現を学習し,学習されたモデルを使って予測や認識,生成などさまざまなタスクを実現する手法。とくに,層数が多く,幅の広いニューラルネットワークを使った場合に,従来の浅く幅の狭いニューラルネットワークを使った場合と対比して,「ディープラーニング」と呼ばれる。現在の人工知能の中心を担っている手法の一つ。
AI Artificial intelligence
人工知能。人が備えているような知能を計算機上で実現する試み。人工知能では人の知能を参考にしつつ,必ずしもそのしくみをすべて再現する必要はなく,現在は計算機上で別のしくみで知能を実現しようと研究/開発が行われている。
機械学習 machine learning
コンピュータがデータから「ルールや知識を獲得」(学習)するアプローチ。データとモデルを入力とし,パラメータを推定する学習によって学習済みモデルを獲得する。代表的な学習手法として,教師ありデータを使って学習する教師あり学習,教師ありデータを必要とせず別の尺度を利用した教師なし学習,環境中の行動とそれに対応した報酬を使って学習する強化学習がある。
学習 learning / training
機械学習の文脈において,学習はコンピュータがデータから「ルールや知識を獲得」するアプローチを指す。狭義には,データとモデルを入力とし,パラメータを推定する過程を「学習」と呼ぶ。
図1 学習の例(教師あり学習)
学習と推論 training and inference
機械学習やディープラーニングで主要な手法である教師あり学習における処理は大きく分けると,データからルールや知識を獲得する「学習フェーズ」と,学習済みモデルを使って予測や分類を行う「推論フェーズ」に分かれ,それぞれを学習/訓練,推論と呼ぶ。
モデル model
対象物や対象システムを情報として抽象的に表現したもの。対象となるシステムのうち興味のある部分を切り取って簡略化し,扱いやすく本質を捉えられるようにしたものともいえる。機械学習におけるモデルは,対象の問題で獲得したい未知の予測器を表したもので,入力を与えると出力を返すような関数とみなすことができる。ただし,純粋な関数とは限らず,状態や記憶を持つ場合もある。
人工知能, 汎用人工知能, AI, GPU, ビッグデータ, 機械学習, 深層学習, 自然言語処理, 画像認識, 音声認識, 強化学習, 深層強化学習, 正規化, 注意機構, BERT, GPT-3, Transformer, LSTM, ニューラルネットワーク, LAS, 線形代数, 微分, 確率