何となくわかるディープラーニング

初学者向けにディープラーニングについて解説するスライド。
1. AIとは
2. 機械学習とは
3. ディープラーニングとは
4. ディープラーニングと他のAIは何が違うのか
を解説している。

Transcript

1. 何となくわかる ディープラーニング クルトン（@kuruton456）
2. ディープラーニングは様々な場面で 使われている • AlphaGo • ChatGPT • 自動運転AI •画像生成AI etc...
3. ディープラーニングは 他のAIと何が違うの？ ディープラーニング って何？
4. 目次 •AIとは •機械学習とは •ディープラーニングとは •ディープラーニングと他のAIの違い
5. AIと機械学習とディープラーニング ディープラーニング（深層学習） AI（人工知能） 機械学習
6. AIとは？ AIとは関数である
7. 犬と猫の画像分類 AI AIはどのような処理を行っている？
8. 画像は数字の集まり • 画像データ：色を持った細かい点の集まり • 色のデータ：3原色の強度を数値化したもの • 上記の画像は100×100×3＝30000個の数字の集まり
9. AIは数字を出力する AI • 画像分類AIは確率を出力する • 上記のタスクでは猫である確率𝑝𝑐𝑎𝑡 と犬である確率𝑝𝑑𝑜𝑔 を出力する
10. AIは関数 AI • 上記の画像分類AIは30000個の変数𝑥1 ~𝑥30000 を受けとり、 𝑝𝑐𝑎𝑡 , 𝑝𝑑𝑜𝑔 の2つの変数を返す関数である 𝑝𝑐𝑎𝑡 , 𝑝𝑑𝑜𝑔 = 𝑓 𝑥1 , 𝑥2 , … , 𝑥30000 • 自動運転や自動翻訳、音声認識などのAIも全て数字から 数字に変換する関数である
11. 機械学習とは 「良い関数」を見つけ出すことである
12. 身長から体重を予測する • 身長から体重を予測するAIを 作りたい • 体重 = 𝑓 身長 となるような 関数𝑓を探す
13. 「良い関数」を探す３ステップ 1.「良さ」を決める 2. 使う関数を決める 3. 良い関数を探す
14. 1. 「良さ」を決める • 関数𝑓の良さ（もしくは悪さ）を決める関数Φを定義する • 今回の場合は 体重 − 𝑓 身長 の合計値がΦ 𝑓 となる
15. 2. 使う関数を決める • 関数は無数にあるためすべての関数から探すことは不可能 • なので利用する関数群を決めておいてその中から探す （今回であれば𝑓 = 𝑎 × 身長 + 𝑏の一次関数の中から探す） • 𝑓 𝑥 = 𝑎𝑥 + 𝑏 • 𝑓 𝑥 = 𝑎 sin 𝑥 + 𝑏 • 𝑓 𝑥 = 𝑎𝑒𝑥+𝑏 • 𝑓 𝑥 = 𝑎𝑥 + 𝑏 cos 𝑥 + 𝑐𝑒𝑥 ... 𝑓 𝑥 = 𝑎𝑥 + 𝑏
16. 3. 良い関数を探す • 関数の挙動を決める値をパラメーターという • パラメーターを定めると関数の良さΦ 𝑓 も定まる • 関数の良さΦ 𝑓 が最大となるようなパラメーターを探す 𝑓 𝑥 = 𝒂𝑥 + 𝒃 この値で関数が決まる！
17. 「良い関数」を探す３ステップ 1. 「良さ」を決める 関数の良さΦ 𝑓 を定義する 2. 使う関数を決める 関数𝑓が属する関数群を決めておく 3. 良い関数を探す Φ 𝑓 が最大となるようなパラメーターを探す
18. ディープラーニングとは 多層の ニューラルネットワーク を用いた機械学習の事である
19. ニューラルネットワークとは • ニューラルネットワークは脳を模した関数 • 脳はシナプスの強度を変えることで情報処理を行っている
20. 多層のニューラルネットワーク ＝ 𝑝0 𝑝1 ⋮ 𝑝8 𝑝9 数字の画像分類問題を考える ＝
21. ニューラルネットワークの特徴量抽出 • 層を深くすることで単純な問題に分解できる • 層が深くなるほどより複雑な特徴量を認識できる
22. ディープラーニングと他のAIの違い 問題 問題 問題 問題 問題 問題 人の考えたアルゴリズム 機械学習 人の考えた特徴量 ディープラーニング ディープラーニングでは問題の内容に関係なく、 問題から直接的に解答を出す関数を学習できる！
23. まとめ •AIは関数 •学習とは良い関数を見つける事 •ディープラーニングは多層のニューラル ネットワークを学習させること •ディープラーニングは人が介入しなくても 学習できるところが凄い