AIサイエンス

AI科学者

AI科学者は、通常は人間の知性を必要とするタスクを実行できるアルゴリズムを使用してソフトウェアを構築します。

AI科学者は、複数のAI分野の専門家になることができます。

• 応用数学
• 計算統計
• コンピュータサイエンス
• 機械学習
• ディープラーニング

一部のAI科学者は、ビッグデータの経験も豊富です。

• ビジネス・インテリジェンス
• データベース設計
• データウェアハウスの設計
• データマイニング
• SQLクエリ
• SQLレポート

弱いAI

弱い人工知能は、今日私たちの周りにあるほとんどのAIのように、特定の領域または狭い領域に限定されています。

• サーチエンジン
• AppleのSiri
• MicrosoftのCortana
• アマゾンのアレクサ
• IBMのワトソン

弱いAIは狭いAIとも呼ばれます。

弱いAIは、人間の認知を持っている強いAIとは対照的に、人間の認知をシミュレートします。

強力なAI

強力な人工知能は、人間の知能を模倣するタイプのAIです。

強力なAIは、考え、計画し、学び、コミュニケーションする能力を示します。

強力なAIは、理論上の次のレベルのAIであるTrueIntelligenceです。

強力なAIは、自己認識、意識、客観的な思考を備えたマシンに向かって動きます。

機械学習（ML）

従来のプログラミングでは、プログラムを使用して結果を作成します。

機械学習は結果を使用してプログラム（アルゴリズム）を作成します。

ニューラルネットワーク（NN）

歴史上最も重要な発見の1つは、ニューラルネットワーク（NN）の力です。

ニューラルネットワークでは、ニューロンと呼ばれるデータの多くの層が一緒に追加されるか、互いに積み重ねられて、新しいレベルのデータが計算されます。

一般的に使用される短い名前：

• DNNディープニューラルネットワーク
• CNN畳み込みニューラルネットワーク
• RNNリカレントニューラルネットワーク

ディープラーニング（DL）

ディープラーニングは、ニューラルネットワークを使用して高レベルのデータを抽出するアルゴリズムです。

連続する各レイヤーは、前のレイヤーを入力として使用します。

たとえば、光学読み取りでは、低層を使用してエッジを識別し、高層を使用して文字を識別します。

ディープラーニングには2つのフェーズがあります。

1.トレーニング：入力データは、モデルのパラメーターを計算するために使用されます。

2.推論：「トレーニング済み」モデルは、任意の入力からデータを出力します。

ディープラーニング革命

ディープラーニング革命がここにあります！

ディープラーニング革命は2010年頃に始まりました。それ以来、ディープラーニングは多くの「解決できない」問題を解決するために使用されてきました。

例

畳み込みニューラルネットワーク（CNN）

ResNeta や InceptionなどのディープCNN により、 ImageNet分類 のエラー率が2011年の25％から2017年には5％に減少しました。

ImageNetは、WordNet階層に従って編成された画像データベースであり、階層の各ノードには数百、数千の画像が含まれています。ImageNetは、研究者、教育者、学生、そして写真に情熱を持っている他のすべての人にとって有用なリソースです。

WordNetは、200以上の言語の単語間の意味関係の語彙データベースです。これは、辞書とシソーラスの組み合わせとして編成され、同義語、下位語、および下位語を使用して単語を意味関係にリンクします。

リカレントニューラルネットワーク（RNN）

RNNは、楽譜と斬新な楽器の音の作成を支援しています：
https ：//magenta.tensorflow.org/demos 。

AIの歴史