『 深層学習』『生成ＡＩ』『汎化性能』

🌸 深層学習から生成ＡＩヘ１

⛳打ち捨てられていたニューラルネットワークの意外な復権
　☆２０世紀のあいだは低迷していた人工知能研究

　☆２１世紀に入って救いの手「深層学習」の登場

　＊深層学習は、ニューラルネットワークと同じものなので

　＊ニューラルネットワークが再度注目された

　＊人工知能研究のホープとして蘇った

　☆ニューラルネットワークは数多ある機械学習の手法の中で

　＊脳の基本構成体ニューロンの機能にヒントを得て提案された手法

　☆ニューラルネットワークの評価

　＊パフォーマンスの良しあしでしか評価されない

　＊知能のモデルとして妥当であるか以前に

　＊人間にもできることができないなら。モデルとしての妥当性が疑われる

　☆ニューラルネットワーク

　＊他の手法に比べ汎化性能が劣っている
　＊汎化性能とは、学習していないデータセットに対して

　＊どれくらい性能を発揮できるかということである

　☆汎化性能の判定

　＊答えと関係ないのに、関係があると思って学習することがなく

　＊答えと関係のある特徴だけをうまく選択して学習する能力

⛳人間が画像を認識する場合

　☆人間は、背景を加味して判別しない

　＊人間は背景とキャラは

　＊独立した存在との「常識」を持っているから

　☆機械学習の場合は、背景等を加味してはんだんしてしまう

　＊機械学習は、馬が映っている映像見た場合

　＊レース場のことが多いことを認識し、レース場が背景に映っていたら

　＊対象物は馬の可能性が高いと学習してしまう

　＊実際そのような仮定をおいたほうが、判定の精度があがる
　☆機械学習は「ウマ娘」のような現実には存在しない存在を

　＊機械学習は学んだことがないので、私たちが映像を見れば

　＊ 一目で「人間」とわかる被写体を馬と誤判断してしまう

　＊このような例が典型的な過学習であり、汎化の失敗である
　＊結果として、ミスを頻発したニューラルネットワーク

　＊次第に重用されなくなり、機械学習の表舞台から消えていく

⛳深層学習をＡⅠと呼ぶのは愚か者のすることか？
　☆実際、いまでは信じがたいかもしれないが

　＊研究者のあいだでは、機械学習とＡＩは別物であり

　＊機械学習がいくら進歩しても人工知能にはならないと認識されていた
　☆２０１０年代に登場した深層学習

　＊ニューラルネットワークと変わらない

　＊アーキテクチャを持っていたが

　＊画像認識において他の機械学習手法をしのぐ

　＊規格外の高性能を発揮したことで注目を浴びる
　☆ニューラルネットワーク

　＊機械学習のカテゴリに属するがものだが　　

　＊もともとは人工知能研究としてスタートした

　☆ニューラルネットワークと大きく変わらない深層学習

　＊深層学習が、汎化能力を獲得できた理由は、はわかっていない

　＊大きく異なったのは大規模化と学習データの増大である
　☆深層学習が登場した２０１０年代

　＊ネットを介して多くの文章や画像を集めることが容易になっていた

　＊データの数が増えればそれに呼応して複雑なモデルを作れる
　＊深層学習では学習データの量が重要となる

　☆深層学習でも、深層学習データが十分でなく

　＊データの数より多いパラメータを持つモデルで学習すると

　＊必ず１００％の予測性能を発揮してしまい

　＊過学習が避けられない

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『 深層学習』『生成ＡＩ』『汎化性能』

（『知能とはなにか』記事、ネットより画像引用）