機械学習とは何ですか？

AIと機械学習の違いは何ですか？

機械学習は最近大きな成功を収めているかもしれませんが、人工知能を実現するための1つの方法にすぎません。

1950年代にAIの分野が誕生したとき、AIは通常、人間の知能を必要とするタスクを実行できる任意のマシンとして定義されていました。

AIシステムは一般に、計画、学習、推論、問題解決、知識表現、知覚、運動、および操作、そしてより少ない程度で、社会的知性と創造性の少なくともいくつかの特徴を示します。

機械学習の他にも、AIを構築するために使用されるさまざまなアプローチがあります。進化的計算では、最適なソリューションを「進化」させるためにランダムな突然変異と世代間の組み合わせが行われます。エキスパートシステムでは、コンピューターに次のようなルールがプログラムされています。たとえば、飛行機を操縦する自動操縦システムなど、特定のドメインの人間の専門家の行動を模倣します。

あなたはより多くの人工知能機械学習を見ることができます。https://bap-software.net/knowledge/artificial-intelligence-machine-learning/

機械学習の主なタイプは何ですか？

機械学習は一般に、教師あり学習と教師なし学習の2つの主なカテゴリに分けられます。

監視付き学習とは何ですか？

このアプローチは基本的に機械を例として教えています。

教師あり学習のトレーニング中、システムは大量のラベル付きデータ、たとえば、対応する番号を示すために注釈が付けられた手書きの数字の画像にさらされます。十分な例があれば、教師あり学習システムは、各数字に関連付けられたピクセルと形状のクラスターを認識し、最終的に手書きの数字を認識して、数字9と4または6と8を確実に区別できるようになります。

ただし、これらのシステムのトレーニングには通常、膨大な量のラベル付きデータが必要であり、一部のシステムは、タスクを習得するために数百万の例に公開する必要があります。

その結果、これらのシステムのトレーニングに使用されるデータセットは膨大なものになる可能性があり、GoogleのOpen Images Datasetには約900万の画像があり、そのラベル付きビデオリポジトリYouTube-8Mは700万個のラベル付きビデオにリンクしています。 、1400万以上の分類された画像があります。トレーニングデータセットのサイズは拡大し続けており、Facebookは最近、Instagramで公開されている35億枚の画像を、各画像にラベルとして添付されたハッシュタグを使用してまとめたと発表しました。これらの写真の10億枚を使用して画像認識システムをトレーニングすると、ImageNetのベンチマークで85.4％の記録的な精度レベルが得られました。

トレーニングで使用されるデータセットにラベルを付ける面倒なプロセスは、Amazon Mechanical Turkなどのクラウドワーキングサービスを使用して実行されることが多く、世界中に広がる低コストの労働力の大規模なプールにアクセスできます。たとえば、ImageNetは2年間で約50,000人が集まり、主にAmazon Mechanical Turkを通じて採用されました。ただし、公開されているデータを使用してシステムをトレーニングするFacebookのアプローチは、手動のラベル付けのオーバーヘッドなしに、数十億の強力なデータセットを使用してシステムをトレーニングする代替方法を提供できます。