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)
登録済みの方はこちら
ログイン

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

目安学習時間 20分

課題

全問正解でレクチャー完了です。

【問題1】

「タイヤは車の一部である」という関係を、意味ネットワークで表すときに使う関係はどれですか。

[選択肢]

【問題2】

専門家の知識を聞き出してルールにする手間が膨大で、第2次AIブームの壁になった問題はどれですか。

[選択肢]
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。