ヌギー(nugey)Ask Nugey

AI（人工知能）

# AI

目次

AI（人工知能）とは

  • 定義：
    • 人間のような知性を持ったコンピュータシステム
    • または、それを研究する学問のこと

AIの基本的な仕組み（情報処理）

  • 入力 → （AI）モデル → 出力
    • 入力:
      • 類義語：
        • データ（情報）、学習データ、センサー入力、フィードバック、観測
    • （AI）モデル:
      • 類義語：
        • アルゴリズム、計算手法、学習メカニズム、パターン認識、予測モデル
    • 出力：
      • 類義語：
        • 類義語：結果、判断、予測、応答、アクション、推論

例えば、Googleで検索エンジンは「検索した言葉→googleの検索アルゴリズム→検索順位付きでwebサイトを表示」というような仕組みになっています。

Gmailでは、届いたメールを勝手に迷惑メールとして分類されることがあります。

これも「メールのテキストデータ→googleの迷惑メール検出アルゴリズム→メールを迷惑メールかどうか分類」という仕組みです。

AIの具体例：

  • 画像認識システム
    • 入力　: 画像ファイル
    • モデル: 畳み込みニューラルネットワーク（CNN）
    • 出力　: 画像内のオブジェクトの識別・分類
  • 音声認識システム
    • 入力　: 音声データ
    • モデル: 音声認識アルゴリズム（例: RNN, LSTM）
    • 出力　: テキスト（音声の文字起こし）
  • レコメンド（推薦）システム
    • 入力　: ユーザープロファイル、過去の購買行動
    • モデル: 協調フィルタリング、コンテンツベースフィルタリング
    • 出力　: パーソナライズされた商品やサービスの推薦
  • 自動運転車
    • 入力　: センサーデータ（カメラ、レーダー、GPS等）
    • モデル: センサー融合、物体検出、経路計画アルゴリズム
    • 出力　: 運転指示（加速、減速、方向転換）
  • ChatGPT
    • 入力　：文章、画像データ
    • モデル：大規模言語モデル（LLM）
    • 出力　：文章、画像データ

AIの分類

  • 入力データでの分類
    • 視覚（画像認識モデル）：
      • データ形式：画像データ
      • 用途：画像分類、物体検出
      • サービス例：ResNet, VGGNet, Inception
    • 聴覚（音声認識モデル）：
      • データ形式：音声データ
      • 用途：音声からテキストへの変換、音声変換
      • サービス例：DeepSpeech, WaveNet
    • 脳（脳波分析モデル、EEG分析モデル）：
      • データ形式：脳波データ
      • 用途：医療診断、頭で念じることで機械を動かすなど
      • サービス例：BMI（Brain Machine Interface）
    • 自然言語（自然言語処理モデル）：
      • データ形式：テキストデータ
      • 用途：テキスト生成、機械翻訳、感情分析
      • サービス例：BERT, GPTシリーズ, T5
      • ※さらに発展させたものに大規模言語モデル（LLM：Large Language Models）がある
  • 目的による分類
    • レコメンドシステムモデル：
      • 目的：ユーザーの過去の行動や好みに基づいて、商品やコンテンツを推薦
    • 予測モデル：
      • 目的：時系列データを基に未来の値を予測
    • 異常検出モデル：
      • 目的：データセット内で異常なパターンや値を識別
  • AIモデル（AIアルゴリズム）による分類
    • 機械学習（マシンラーニング）
      • 深層学習（ディープランニング）
        • トランスフォーマー
        • CNN（畳み込みニューラルネットワーク）
          • ResNet
        • RNN（再帰型ニューラルネットワーク）
          • LSTM（長短期記憶）
    • 時系列分析
      • ARIMAモデル
    • 記号論的AI（シンボリックAI）
    • 進化的アルゴリズム

例えば、以下のように複数の軸を掛け合わせて、表現されることもある↓

  • レコメンドシステムモデル（目的で分類）
    • アルゴリズムで分類
      • 強化学習
      • ディープランニング

最近では、トランスフォーマー（アルゴリズム）によって学習された大規模言語モデル（LLM）が注目されている。

AIモデルとは

  • AIモデル
    • AIモデルアーキテクチャ（AIアルゴリズム）
      • （学習済み）AIモデルを作成するためのアルゴリズム
    • 学習済みAIモデル
      • 実際に使用するAIモデル

「AIモデルアーキテクチャ（AIアルゴリズム）」も「学習済みAIモデル」も（AI）モデルと呼ばれることが多く、文脈によって判断する必要がある。

例えば、トランスフォーマーはアルゴリズムであり、LLMは学習済みモデルであり、LLMの具体的なサービスとしてChatGPT4などがある、と表現できる。

モデル学習フェーズ

[データ収集]
   ├─ テキスト、画像、音声、数値データなど
   ↓
[データ前処理]
   ├─ 収集したデータをモデルが処理しやすい形式に変換
   |  └─ クリーニング、正規化、ラベル付け、特徴量抽出など
   ↓
[AIモデルアーキテクチャの選択]
   ├─ 機械学習 (Machine Learning) etc...
   |  ├─ 教師あり学習 (Supervised Learning)
   |  ├─ 教師なし学習 (Unsupervised Learning)
   |  ├─ 強化学習 (Reinforcement Learning)
   |  └─ ディープラーニング (Deep Learning) etc...
   ↓
[モデルの訓練]
   ├─ データのパターンを学習し、
   |  適切なパラメータに調整する
   ↓
[学習済みAIモデル]

同じ学習データ、同じAIモデルアーキテクチャを選択したとしても、パラメータが異なれば、学習済みAIモデルも異なる。

モデル使用フェーズ

[新しい入力データ]
   ↓
[学習済みAIモデル]
   ↓
[出力結果]
  • 具体例：
    • いろんな動物の画像（入力データ）を見せて（入力）、それが何の動物か判断させ（学習済みAIモデルの処理）、答えさせる（出力）

AIモデルをどう活用するか

  • 自分でAIモデルを作成する
  • 既存のAIモデルを利用する
    • 公開されているAPIを利用する
    • AIモデルにさらに、独自のデータを学習させる
      • ファインチューニング（微調整）
      • RAG（検索拡張生成）
        • 検索：セマンティック検索
        • 生成：In-Context Learning（ICL）
    • AIライブラリを活用する
      • 深層学習フレームワーク
        • TensorFlow
          • Keras（TensorFlowの高レベルAPI）
        • PyTorch
        • Caffe
        • MXNet
      • 自然言語処理
        • LangChain
        • NLTK (Natural Language Toolkit)
        • spaCy
        • Transformers（Hugging Face）
      • 画像処理
        • OpenCV
        • PIL (Python Imaging Library)
      • 機械学習
        • scikit-learn
        • XGBoost
        • LightGBM
      • 時系列分析
        • Statsmodels
        • Prophet (Facebook)