AIの学習手法知ってる？

こんにちは！ マーケティング部受託プロダクトチームのインターン生、村高歩夢です！

本日は久しぶりにディープラーニングについて書いていきます。

さて、みなさん。

ディープラーニングではAIがデータを学習してその結果を出力します。

では、そのAIがデータを学習する方法は大きく分けていくつあるでしょうか？

すぐ近くに答えなんてあったら見えてしまいますから、雑談でもしておきましょうか。

ついに2023年も半年が過ぎてしまいました。 早過ぎますね。

この半年成長もありましたが、もっと成長できたのでは？と思う部分も多かったです。

結局、やるかやらないかの選択で怠惰やビビリが顔を出してやらないを選んでしまうのが原因です。。

たった二択。 やるやるやるやるを選べるようメンタル面を鍛えないとですね。

はい、正解は３つです！！ ザンネーン！！

間違えてる前提かよ！

答えは「教師あり学習」「教師なし学習」「強化学習」の3つ！

では、それぞれ軽く説明します。

教師あり学習

教師あり学習はその名の通り、教師となる答えのあるデータを学習します。

例えば、サイコロの目の画像からどの目が表示されているのかを予測する機械学習では、

サイコロの画像と画像のサイコロの目の数(答え)を一緒に学習し、サイコロの画像からサイコロの目を分類することができるようになります。

画像認識、株価予測に使われます。

教師なし学習

教師あり学習の教師となるデータがないバージョンです。

未知データから直接特徴を発見し予測に役立てます。

例えば、ECサイトの購入履歴からユーザがどんなものを買うか予測する機械学習モデルでは、

過去の購入頻度や値段から、このユーザは安いものばかり買うというようなクラス分けをしていきます。

そして、クラス分けされたユーザにそのクラスにあったおすすめ商品を紹介していきます。

この教師なし学習はみなさんお馴染みのジェネレーティブAIや異常検知AIなどに用いられている手法です。

強化学習

AIが試行錯誤を重ねることによって目的にたどり着く学習手法です。

例えば、壁に当たらず、迷路をクリアするというミッションを与えた場合、

AIは何度も何度もミッションに挑戦してクリアを目指します。

その失敗の過程で進んだ距離を学習し、壁に当たらずに進む距離をどんどん伸ばしていきます。

囲碁やオセロなどボードゲームのAIにはこの学習手法が用いられております。

理解できました？

この説明、正直、うまくできた自信ないですね。

短い文章でまとめるのしんど過ぎです！ということはまだインプットが足りていない！

さぁ、復讐だぁ

■ガーディアン主力ソリューション→OWLet

■新サービスリリースのお知らせ WEB業界を変える！

育てて成果を上げるサブスク型HPサービス →SCSC (スクスク)

ガーディアンのインターン制度→こちら

村高歩夢の紹介ページ→こちら