文系AI人材になる

みなさんは「AI」と聞いてどのようなイメージを持たれますか？

近未来、機械が人を支配する、世の中を便利にするためのテクノロジー…

色々な見方ができますが、身近にみていてもWeb検索や、スマホの音声認識や、スマートスピーカー等
のAIが使われている製品が当たり前になり日常に溶け込んできている印象です。

AIのことをちゃんと理解したいなと考え、野口竜司さんの書籍「文系AI人材になる」を読みました。

帯には、「AIはExcelくらい誰もが使うツールへ」というコピーが。

Excelと同じくらい浸透するというイメージが全然湧きませんが、とりあえず読んでみました。

定義について。

まずは、定義ですね。

AI、機械学習、ディープラーニング、全て同じだと思っていましたが、全然違うもののようです。

AI
人間と同様の知能を実現させようとする技術

機械学習
学習により特定タスクが実行できるようになるAI。学習にあたっては、人が特徴（目の付け所）を定義

ディープラーニング
機械学習の一種。人の脳の神経細胞（ニューロン）を模した学習法から発展。マシンが特徴（目の付け所）を自動定義。

どうやら、この「マシンが特徴を自動定義する」というのが画期的なのだそうです。

そして、AIは「特徴づかみの達人」と言われています。

機械学習の方法３つ。

機械学習方法には、３つ分類ができて、

①教師あり学習

②教師なし学習

③強化学習

教師あり学習は「答えあり」学習といわれ、「分類」「回帰」の２タイプが存在するのだそうです。

分類
いくつかの答えに対して、どれに適応するかどうか当てるのが分類
例）人の写真から年齢が何十代にあてはまるかを当てる

回帰
選択肢の中から数値を当てにいくタイプ
例）人の写真から年齢がジャスト何歳なのかを当てる

教師なし学習は「答えなし」学習。AIの自己解釈による集合づくりを「クラスタリング」という

強化学習は「良い選択を繰り返させるための」学習のことをいうのだそうです。

結果としてあるべき状態を目指して、適切な選択を何度も繰り返し、報酬と罰を与えながら学習することで
最もよい状態を作ろうとする学習方法なのだそうです。

AIの作り方。

AIを作るのは３つのステップが存在する。

①データ作成

②学習

③予測

データ作成
何に対して予測するか（KEY）を定義する。対象を特徴づけているであろう変数（説明変数）、AIで予測したいこと（目的変数）を定義する。

学習
用意できたExcelデータをCSVで出力し、AIのアルゴリズムに投入。ここでデータから学習し、学習結果から法則性を見出していくアルゴリズムはたくさん種類があるが、ツールによっては自動的に良い結果を出してくれるものを選んでくれる。データによりアルゴリズムが学習し終わったら、AIモデルが出来上がる。

このAIモデルに「傾向データ」を投入すると「予測」を返してくれるという仕組みなのだそうです。

現代のAIは、データをすべて数値で把握しており、データの意味合いまでを理解しているわけではない。

ゆえに、項目が示す意味合いに関係なく予測を出すのが現状のAI。

AIが万能ではないと言われる理由がこの点なのだとか。