AI の基礎
最新の AI は、データ サイエンスと機械学習の基盤に基づいて構築されています。 AI の主な目的は、通常は人間に関連している能力にマシンを使用することです。 AI の基礎をサポートするデータ サイエンスの概念を見てみましょう。
データ サイエンスとは
データ サイエンスは、AI を実現することを目的とする学際的な分野です。 主に機械学習と統計の手法が使用されます。 ほとんどの場合、データ科学者は AI 問題の解決を担当する専門家です。
機械学習とは
機械学習とは、マシンが大量のデータを取捨選択してパターンを見つける手法です。 この手法は、AI の目的のために頻繁に使用されます。 機械学習では、データに関する特徴を区別することに基づいてパターンを学習することを機械に学習させるアルゴリズムを使用します。 トレーニング データが多いほど予測が正確になります。
次に例をいくつか示します。
- 電子メール スパムの検出 - 機械学習により、メールに "無料" や "保証" などの単語が含まれている、メール アドレスのドメインがブロック リストに載っている、テキストに表示されたリンクがその背後にある URL と一致しない、などのパターンを探すことができます。
- クレジット カード詐欺の検出 - 機械学習により、所有者が通常は訪れない郵便番号での支出、高額アイテムの購入、突然の派手な買い物、といったパターンを探すことができます。
ディープ ラーニングとは
ディープ ラーニングは、機械学習のサブセットです。 ディープ ラーニングは、接続された人工ニューラル ネットワークとして、人間の脳が情報を処理する方法をまねています。 機械学習とは異なり、ディープ ラーニングでは、独力で複雑なパターンを検出し、データに関する特徴を識別できます。 これは通常、画像、テキスト、音声などの非構造化データを扱います。 より優れた分析のための膨大な量のデータと、速度向上のための圧倒的なコンピューティング能力が必要になります。
たとえば、ディープ ラーニングを使って、医療画像内のがん細胞を検出できます。 ディープ ラーニングでは、画像内のすべてのピクセルをニューラル ノードへの入力としてスキャンします。 ノードでは各ピクセルを分析して、がん性に見える特徴を取り除きます。 各ノード レイヤーは、がん性である可能性がある細胞の発見を次のノード レイヤーにプッシュし、このプロセスが繰り返されます。そして最終的に、すべての発見を集計して、画像を分類します。 たとえば、画像を正常な画像、またはがん性の特徴がある画像として分類することができます。
次に、ビジネスに AI を取り入れるために使用できる Microsoft ツールの 4 つのカテゴリについて説明します。