会員登録すると
学習することができます。
会員登録する(無料)
学習することができます。
登録済みの方はこちら
ログイン
学ぶ目的
知識表現
コンピュータに知識を持たせるには、知識を決まった形で書く必要があります。これを知識表現と呼びます。
- 意味ネットワーク … 概念を点、関係を矢印でつなぐ。「is-a(〜の一種)」「part-of(〜の一部)」「has-a(〜を持つ)」の関係
- オントロジー … 言葉の意味と関係を、みんなで共有できるように厳密に決めたもの
エキスパートシステム
専門家の知識を「もし〜なら〜」というルールにして、推論させる仕組みです。MYCIN は血液の感染症の診断を、DENDRAL は物質の化学構造の推定を支援しました。
知識獲得のボトルネック
専門家の知識は、言葉にしにくい暗黙の部分が多く、聞き出してルールにするのに大変な手間がかかります。ルールどうしの矛盾も起きます。これが第2次ブームの壁になりました。Cyc プロジェクトは、人の常識をすべて書き出そうとする長期の挑戦です。
機械学習へ
ルールを人が書くのではなく、データから規則性を学ばせるのが機械学習です。インターネットで大量のデータ(ビッグデータ)が集まり、計算機が速くなったことで広く使えるようになりました。スパムフィルタやレコメンデーションエンジンが代表例です。ただし、特徴量(データのどこに注目するか)の数が増えると、必要なデータが急に増える「次元の呪い」に注意します。
このレクチャーで学ぶこと
- 意味ネットワーク(is-a・part-of)とオントロジー
- エキスパートシステムと、MYCIN・DENDRAL
- 知識獲得のボトルネック
- ルールベースと機械学習の違い、次元の呪い
質問
まだ質問は投稿されていません。
質問投稿
ログイン後に質問の投稿ができます。
#1
未完了
試験の全体像と学び方 ― 145問の試験の形と、シラバスの地図をつかむ
#2
未完了
AIの定義と議論される問題 ― 4つのレベル・AI効果・フレーム問題を説明する
#3
未完了
AIの歴史と探索・推論 ― 3度のブームと、探索木・Mini-Max法を追う
#4
未完了
知識表現と機械学習の登場 ― ルールの限界と、データから学ぶ理由を説明する
#5
未完了
教師あり学習 ― 回帰と分類を見分け、決定木・ランダムフォレスト・SVMを使い分ける
#6
未完了
教師なし学習と強化学習 ― クラスタリング・次元削減・Q学習の考え方をつかむ
#7
未完了
モデルの評価 ― 混同行列から、正解率・適合率・再現率・F値を計算する
#8
未完了