5d34bc4eb8
|
||
|---|---|---|
| .. | ||
| README.md | ||
| assignment.md | ||
README.md
画像提供者: Dmitry Soshnikov
時間が経つにつれて、コンピューティングリソースが安価になり、より多くのデータが利用可能になったため、ニューラルネットワークアプローチは、多くの分野、例えばコンピュータビジョンや音声理解において、人間と競う優れた性能を示し始めました。過去10年の間、人工知能という用語は主にニューラルネットワークの同義語として使われており、私たちが耳にするAIの成功の多くはそれに基づいています。
チェスをプレイするコンピュータプログラムの作成におけるアプローチの変化を観察することができます：
- 初期のチェスプログラムは探索に基づいており、プログラムは明示的に対戦相手の次の数手の可能な動きを推定し、数手後に達成可能な最適な位置に基づいて最適な動きを選択しました。これにより、いわゆるアルファベータプルーニング探索アルゴリズムが開発されました。
- 探索戦略は、ゲームの終盤において、限られた数の可能な動きによって探索空間が制限されるため、うまく機能します。しかし、ゲームの開始時には探索空間が非常に大きく、アルゴリズムは人間プレイヤー間の既存の試合から学ぶことで改善できます。その後の実験では、プログラムがゲームの現在の位置に非常に似たケースを知識ベースから探す、いわゆる事例ベース推論が使用されました。
- 現代のプログラムは、人間プレイヤーに勝つためにニューラルネットワークと強化学習に基づいており、プログラムは自分自身と長時間対戦し、自分の間違いから学ぶことでプレイを学びます。これは、人間がチェスを学ぶときに行う方法に似ています。しかし、コンピュータプログラムは、はるかに短い時間で多くのゲームをプレイできるため、学習もはるかに速くなります。
✅ AIがプレイした他のゲームについて少し調査してみてください。
同様に、「会話プログラム」を作成するアプローチの変化も見ることができます（チューリングテストを通過するかもしれません）：
- この種の初期プログラムであるElizaは、非常に単純な文法ルールと入力文を質問に再構成することに基づいていました。
- 現代のアシスタント、例えばCortana、Siri、Google Assistantはすべて、音声をテキストに変換し、私たちの意図を認識するためにニューラルネットワークを使用し、その後、必要なアクションを実行するために推論または明示的なアルゴリズムを使用するハイブリッドシステムです。
- 将来的には、対話を自ら処理する完全なニューラルベースのモデルが期待されます。最近のGPTやTuring-NLGファミリーのニューラルネットワークは、この点で大きな成功を収めています。
画像提供者: Dmitry Soshnikov、写真提供者: Marina Abrosimova、Unsplash
最近のAI研究
ニューラルネットワーク研究の急成長は2010年頃に始まりました。この頃、大規模な公共データセットが利用可能になり始めました。約1400万の注釈付き画像を含む大規模な画像コレクションであるImageNetは、ImageNet大規模視覚認識チャレンジを生み出しました。
画像提供者: Dmitry Soshnikov 2012年に、畳み込みニューラルネットワークが画像分類に初めて使用され、分類エラーが大幅に減少しました（ほぼ30%から16.4%へ）。2015年には、Microsoft ResearchのResNetアーキテクチャが人間レベルの精度を達成しました。
それ以来、ニューラルネットワークは多くのタスクで非常に成功した動作を示しました：
| 年 | 人間のパリティ達成 |
|---|---|
| 2015 | 画像分類 |
| 2016 | 会話音声認識 |
| 2018 | 自動機械翻訳（中国語から英語） |
| 2020 | 画像キャプション生成 |
過去数年で、BERTやGPT-3などの大規模言語モデルによる大成功を目の当たりにしました。これは、テキストの構造や意味を捉えるためにモデルを訓練できる一般的なテキストデータが豊富に存在するためであり、一般的なテキストコレクションで事前訓練を行い、その後、より特定のタスクにモデルを特化させることが可能です。このコースの後半では、自然言語処理についてもっと学ぶことになります。
🚀 チャレンジ
インターネットを巡って、あなたの意見でAIが最も効果的に使用されている場所を特定してください。マッピングアプリ、音声からテキストへのサービス、あるいはビデオゲームの中でしょうか？システムがどのように構築されたのか調査してください。
講義後のクイズ
レビュー & 自習
このレッスンを読みながら、AIとMLの歴史を振り返ってください。そのレッスンまたはこのレッスンの最初のスケッチノートから要素を取り出し、それをより深く調査してその進化を促す文化的背景を理解してください。
課題: ゲームジャム
免責事項:
この文書は、機械翻訳サービスを使用して翻訳されています。正確性を追求していますが、自動翻訳には誤りや不正確な点が含まれる可能性があることにご留意ください。元の文書は、その原語での信頼できる情報源と見なされるべきです。重要な情報については、専門の人間翻訳をお勧めします。この翻訳の使用に起因する誤解や誤訳について、当社は一切の責任を負いません。