「AI vs. 教科書が読めない子どもたち 」を読んでいます(その2)：低コストで正解率に達する

続きです。

色や輝度、影など特徴の重要かを数値化する。

実の赤さと緑のへたのコントラストは0.2。

重みを調整する過程を学習と呼ぶ。

繰り返し学習する。

画像は特徴量の足し算で表現できる。

総和が大きければイチゴらしい。

特徴量を設計するか。

数年前は人間が職人技で、正解率を1%上げるのに1年がかり、直感で。

ディープラーニングはAIに検討させる。

組み合わせで「丸い」「放射状」などの抽象を判断。

足し算が得意なコンピューターに有利。

言語はそうではない。

「太郎は花子が好き」と、「花子は太郎が好き」では部品は一致するが意味が違う。

画像はイチゴは回転、縮小、解像度を上げ下げでもイチゴ。

膨大な学習データ作成コストに、一枚を回転、拡大、縮小で水増し。

低コストで正解率に達する。

教師データなしでできる課題、強化学習が例。

コースの中で数台のロボットカーが衝突することなく動き回る。

囲碁、将棋、数秒で対局し膨大な大局。

目的と制約条件が記述できる課題でうまくいく。

プラントのエネルギー効率最適化。

続きます。