和から株式会社主催「AI人工知能入門-G検定を解きながら学ぶ特別編-」の講義の抜粋です。

G検定の内容を説明しながら、AI活用のために何を身につけるべきかを学ぶことができます。

◎詳細・開催日程はこちら→https://wakara.co.jp/course/7662 #和から #AI(人工知能) #集団セミナー

190というこの数字、これは何の数字かといいますと、実は私も昨年受験した「マージ検定」に関連するものです。この検定、少しユニークでして、自宅でも受験が可能な試験なんです。コンピューターさえあれば、自宅で受けられるのですが、私の場合、喫茶店で受けました。普段、土日はセミナーでお話しすることが多いので、その合間の時間を利用して、喫茶店で受験することにしたんです。

この190という数字は、私が試験中にインターネットで検索した回数を示しています。「マージ検定」というのは、調べながら受験することが基本のスタイルの試験なんです。この検定を通して、人工知能の4段階のレベルについて学びました。現在、人工知能を分類する際にはレベル1からレベル4までで分ける方法が一般的です。その中で、最も基本的なものは、かつて「フィードバック制御」と呼ばれていた完全な制御プログラムの段階です。

例えば、エアコンを例に挙げると分かりやすいでしょう。エアコンは、周囲の温度を計測し、設定温度より低ければ暖房を、設定温度より高ければ冷房を稼働させます。これが「フィードバック制御」と呼ばれるもので、出てきた結果に基づいて制御を行う仕組みです。

さらに、人間の視覚細胞の仕組みについても考えさせられました。人間は、まず大まかに物を捉え、次に細部を見るという手順で視覚を働かせています。画像認識技術もこれと同じようなプロセスをたどります。画像認識には大きく2つの手順があり、まず画像内の特定の物体を検出する「物体検出（オブジェクトディテクション）」があります。その後、その検出されたものが何であるかを認識する「画像認識」が行われます。このような仕組みを学ぶことで、人工知能がどのように機能しているのか、深く理解することができました。

また、「Deep Learning（深層学習）」という言葉を耳にする機会も多かったのですが、これはモデルにデータを学習させるプロセスを指します。注目すべきは、人によって重要視するポイントが異なるため、学習させるデータにも違いが出てくるということです。たとえば、服を選ぶ際に何を基準にするのかという判断も、学習モデルによって異なる形で反映されます。これが、いわゆる「重み」や「パラメーター」を調整するプロセスであり、学習モデルの核心部分といえます。

その中でも、「敵対的生成ネットワーク（GAN）」については、特に注目しておくべきだと感じました。これからの3～5年間、非常に重要なテーマとなるでしょう。GANは、画像認識や生成モデルの発展において非常に画期的な技術です。「生成」とは文字通り、画像を新たに作り出す技術のことを指します。これにより、これまで認識がメインだった人工知能が、自ら画像を生成することが可能になるのです。

人工知能は現在、画像認識や生成以外の分野ではそれほど広く使われているわけではありません。意外に思われるかもしれませんが、ゲームや特定の用途に限られていることが多いのです。ただし、YouTubeのレコメンドシステムやAmazonの推薦システムでは、Deep Learningが活用されている可能性が高いと言われています。

最後に、学習済みモデルという概念についても触れておきます。これは、あらかじめ大量のデータで学習させておいたモデルのことを指します。このモデルを利用することで、新たなデータセットを作成する手間を大幅に減らすことができます。私もこの仕組みを活用して、少ないデータセットで高い精度を出す方法を学びました。このような技術は、今後さらに進化していくことでしょう。