目次
この人工知能チュートリアルでは、人工知能の概念に関する基本情報と中間情報を提供します。まったくの初心者である学生や社会人を支援するように設計されています。このチュートリアルでは、人工知能に焦点を当てます。機械学習について詳しく知りたい場合は、このチュートリアルを参照してください。 機械学習の完全な初心者向けチュートリアル.
この過程を通じて 人工知能のチュートリアルでは、人工知能の意味、AI のレベル、AI が重要な理由、AI のさまざまな用途、人工知能の将来など、さまざまな概念を見ていきます。
通常、AIの分野で働くには、多くの経験が必要です。したがって、人工知能に関連し、最終的に関連する経験を得るのに役立つさまざまな職務プロファイルについても説明します。 AI の分野に参入する前に特定のバックグラウンドを持つ必要はなく、必要なスキルを学習して習得することが可能です。データサイエンスという用語は、 人工知能(AI) と機械学習は同じドメインに分類され、接続されており、それぞれに特定の用途と意味があります。簡単に言うと、人工知能は人間の知能を複製することで機械が推論を実行できるようにすることを目的としています。 AI プロセスの主な目的は経験に基づいて機械に教えることであるため、適切な情報を供給し、自己修正することが重要です。
人工知能とは何ですか?
この質問に対する答えは、誰に尋ねるかによって異なります。テクノロジーを一時的に理解している素人は、それをロボットに結びつけるでしょう。 AI 研究者に人工知能について尋ねると、明示的に指示されなくても結果を生み出すことができるアルゴリズムのセットであると彼は答えるでしょう。これらの答えは両方とも正しいです。要約すると、人工知能とは次のとおりです。
- 人間によって創造された知的存在。
- 明示的に指示されなくても、タスクをインテリジェントに実行できる。
- 合理的かつ人間的に考え、行動することができる。
人工知能の中核は、人間の知能を機械で作成または複製することを目的としたコンピューター サイエンスの一分野です。しかし、何が機械をインテリジェントにするのでしょうか?多くの AI システムは機械学習と 深い学習 アルゴリズム。 AIは日々進化しており、これまでAIの一部と考えられていたものは、現在ではコンピューターの機能としてしか見られなくなっているかもしれません。たとえば、以前は電卓も AI の一部と考えられていたかもしれません。今では、それは単純な関数であると考えられます。同様に、AI にもさまざまなレベルがあるので、それらを理解しましょう。
人工知能はなぜ重要ですか?
人工知能の目標は、人間の能力を支援し、広範囲に影響を及ぼす高度な意思決定を支援することです。技術的な観点から見ると、それが AI の主な目標です。 AI の重要性をより哲学的な観点から見ると、AI は人間が重労働を必要とせず、より有意義な生活を送るのに役立つ可能性を秘めていると言えます。 AI は、相互に接続された個人、企業、国家、国家が複雑に絡み合ったネットワークを管理し、人類全体にとって有益な方法で機能することにも役立ちます。
現在、人工知能は、過去 1000 年にわたって私たちが発明してきたさまざまなツールや技術すべてに共有されており、人間の努力を簡素化し、より良い意思決定を行うのに役立っています。人工知能はそのような創造物の 1 つであり、紛争、不平等、人類の苦しみを取り除くことで、私たちの生活を劇的に変える画期的なツールやサービスのさらなる発明に役立ちます。
このような成果にはまだ程遠いです。しかし、将来的にはそうなるかもしれません。人工知能は現在、プロセスの効率を向上させ、リソースを大量に消費するタスクを自動化し、利用可能なデータに基づいてビジネス予測を行うために主に企業で使用されています。ご覧のとおり、AI はいくつかの点で私たちにとって重要です。それは世界に新たな機会を生み出し、私たちの生産性の向上などに役立っています。
人工知能の歴史
知的存在の概念は長い間存在しており、現在では教育、自動車、銀行および金融、AI ヘルスケアなどの AI などの多くの分野に浸透しています。古代ギリシャ人も、中国やエジプトの技術者と同じように、ロボットについての神話を持っていました。構築されたオートマトン。しかし、現代の AI の始まりは、古典的な哲学者が人間の思考を象徴的なシステムとして記述しようとした時代に遡ります。 1940 年代から 50 年代にかけて、さまざまな分野の数人の科学者が人工脳の作成の可能性について議論しました。これは、ニューハンプシャー州ハノーバーのダートマス大学での会議で、1956 年に学術分野として設立された AI 研究分野の台頭につながりました。この言葉は、現在では人工知能の父とみなされているジョン・マッカーシーによって造られました。
何十年にもわたって資金が豊富な世界的な取り組みにもかかわらず、科学者たちは機械に知能を作り出すのは非常に難しいことに気づきました。 1970 年代半ばから 1990 年代にかけて、科学者は AI 研究のための深刻な資金不足に対処する必要がありました。この数年間は「AI ウィンターズ」として知られるようになりました。しかし、1990 年後半までに、アメリカ企業は再び AI に興味を持ち始めました。さらに、日本政府もAIの高度化に向けて第1997世代コンピュータの開発計画を打ち出した。最後に、XNUMX 年に、IBM のディープ ブルーが、チェスの世界チャンピオン、ガルリ カスパロフを破った最初のコンピューターを破りました。
AI とそのテクノロジーが進歩を続けるにつれて、主にコンピューター ハードウェアの改良により、企業や政府もその手法を他の狭い領域でうまく活用し始めました。過去 15 年間、Amazon、Google、Baidu、その他多くの企業は、AI テクノロジーを活用して商業的に大きな利益を得ることができました。 AI は今日、私たちが使用するオンライン サービスの多くに組み込まれています。その結果、このテクノロジーはあらゆる分野で役割を果たすことができただけでなく、株式市場の大部分も動かすことができました。
現在、人工知能は、この記事で詳しく説明する汎用人工知能、狭い範囲の人工知能、および人工超知能というサブドメインに分割されています。 AIとAGIの違いについても説明します。
人工知能のレベル
人工知能は主に 3 つのレベルに分類できます。
- 人工知能
- 人工知能
- 超人工知能
人工知能(ANI)
ナロー AI または弱い AI とも呼ばれるナロー人工知能は、目標指向であり、単一のタスクを実行するように設計されています。これらのマシンはインテリジェントであるように見えますが、最小限の制限の下で機能するため、弱い AI と呼ばれます。それは人間の知性を模倣するものではありません。特定のパラメーターに基づいて人間の行動を刺激します。 Narrow AI は、NLP または自然言語処理を利用してタスクを実行します。これは、チャットボットや Siri などの音声認識システムなどのテクノロジーで明らかです。深層学習を利用すると、将来のエクスペリエンスを向上させるためにデータを保存する仮想アシスタントなど、ユーザー エクスペリエンスをパーソナライズできます。
弱い AI または範囲の狭い AI の例:
- Siri、アレクサ、コルタナ
- IBMのワトソン
- 自動運転車
- 顔認識ソフトウェア
- メールスパムフィルター
- 予測ツール
人工知能(AGI)
強力な AI またはディープ AI としても知られる汎用人工知能は、機械が人間の知能を模倣しながら、その知能を適用して問題を解決する能力を示すことができる概念を指します。科学者はまだこのレベルの知性を達成できていません。このレベルの知能を達成するには、かなりの研究を行う必要があります。科学者は、一連の認知能力をプログラミングすることで、機械が意識を持てるようになる方法を見つけなければならないだろう。ディープ AI のいくつかの特性は次のとおりです。
- 認識
- リコール
- 仮説検定
- 想像力
- 類推
- 含意
近い将来、強力なAIが進化し続けるかどうかを予測することは困難ですが、音声認識や顔認識が継続的に進歩していることから、このレベルのAIでも成長が期待できる可能性は若干あります。
人工超知能 (ASI)
現時点では、超知能は仮説上の概念にすぎません。将来、そのような人工知能が開発できるかもしれないと人々は考えていますが、現在の世界にはそのような人工知能は存在しません。超知能とは、機械が人間の能力を超え、自己認識するレベルとして知られています。この概念は、感情や感情を発達させることができるロボットが人類自体を蹂躙することができるいくつかの映画や SF 小説のミューズとなっています。それは独自の感情を構築することができ、仮に芸術、スポーツ、数学、科学などにおいて人間よりも優れていると考えられます。超知性体の意思決定能力は人間の意思決定能力を上回るでしょう。人工超知能の概念はまだ私たちには未知であり、その結果は推測できず、その影響はまだ測定できません。
ここで、弱い AI と強い AI の違いを理解しましょう。
弱いAI | 強力なAI |
範囲が限定された狭いアプリケーションです。 | それは、より広大な範囲を持つより広いアプリケーションです。 |
このアプリケーションは、特定のタスクに適しています。 | このアプリケーションは人間レベルの信じられないほどの知能を備えています。 |
教師あり学習と教師なし学習を使用してデータを処理します。 | クラスタリングと関連付けを使用してデータを処理します。 |
例:Siri、Alexa。 | 例:高度なロボティクス |
人工知能の応用
人工知能は今日、いくつかの業界や分野に進出しています。ゲームからヘルスケアに至るまで、AI の応用は大幅に増加しています。 Google マップ アプリや iPhone などの顔認証は、すべて AI 技術を利用して機能していることをご存知ですか? AI は私たちの周りにあり、私たちが思っている以上に私たちの日常生活の一部になっています。 AI についてさらに詳しく知りたい場合は、 PGP 人工知能と機械学習コース が提供します 素晴らしい学習。ここでは人工知能の応用例をいくつか紹介します。
202 年の人工知能のベスト アプリケーション4
- Google の AI を活用した予測 (Google マップ)
- ライドシェアリングアプリケーション(Uber、Lyft)
- 民間航空機における AI オートパイロット
- 電子メールのスパムフィルター
- 盗作チェッカーとツール
- 顔認識
- 検索の推奨事項
- 音声からテキストへの変換機能
- スマート パーソナル アシスタント (Siri、Alexa)
- 不正行為の防止と防止
これらが AI が適用される分野であることがわかりました。これらをさらに詳しく理解してみましょう。 Google は、トラフィック予測の精度を向上させるために DeepMind と提携しました。過去の交通データとライブデータを利用して、AI テクノロジーと機械学習アルゴリズムを通じて正確な予測を行うことができます。インテリジェントなパーソナル アシスタントは、私たちから与えられたコマンドに基づいてタスクを実行できます。これはソフトウェア エージェントであり、メッセージの送信、Google 検索の実行、音声メモの録音、チャットボットなどのタスクを実行できます。
人工知能の目標
ここまで、AI の意味、AI のさまざまなレベル、およびその応用について見てきました。しかし、AIの目標は何でしょうか? AIによって私たちが目指す成果とは何でしょうか?全体的な目標は、機械やコンピューターがインテリジェントに学習して機能できるようにすることです。 AI のその他の目標には次のようなものがあります。
1. 問題解決: 研究者らは、人間がパズルを解く際に行う段階的なプロセスを模倣できるアルゴリズムを開発しました。 1980 年代後半から 1990 年代にかけて、研究は不完全または不確実な情報に対処する方法が開発された段階に達しました。しかし、難しい問題の場合は、膨大な計算リソースと記憶力が必要になります。したがって、効率的な問題解決アルゴリズムの探索は、人工知能の目標の XNUMX つです。
2. 知識の表現: 機械には、広範な知識を必要とする問題を解決することが期待されています。したがって、知識表現は AI の中心となります。人工知能は、オブジェクト、プロパティ、イベント、原因と結果などを表現します。
3.計画: AI の目標の 1 つは、インテリジェントな目標を設定し、それを達成することです。行動が変化にどのような影響を与えるか、利用可能な選択肢は何かについて予測できるようになります。 AI エージェントはその環境を評価し、それに応じて予測を行う必要があります。これが、計画が重要である理由であり、AI の目標と考えることができます。
4. 学習: AI の基本概念の 1 つである機械学習は、経験を通じて時間をかけて改善し続けるコンピューター アルゴリズムの研究です。 MLにはさまざまな種類があります。一般に知られているタイプは、教師なし機械学習と教師あり機械学習です。これらの概念について詳しくは、次のブログをご覧ください。 ML の意味と仕組み.
5. 社会的知性: アフェクティブ コンピューティングは本質的に、人間の努力を解釈、認識、処理できるシステムの研究です。これは、コンピューター科学、心理学、認知科学が融合したものです。ソーシャル インテリジェンスは、アルゴリズムを構築する前にこれらの分野を理解することが重要であるため、AI のもう 1 つの目標です。
したがって、AI の全体的な目標は、上記の目標を組み込むことができるテクノロジーを作成し、効率的に作業し、より迅速に意思決定を行い、セキュリティを向上させることができるインテリジェントなマシンを作成することです。
人工知能の仕事
Indeed によると、AI スキルの需要は過去 119 年間で XNUMX 倍以上に増加しました。 AI分野の求人数はXNUMX%増加した。画像処理アルゴリズムをトレーニングするタスクは、数年前には完了するまでに数時間かかっていましたが、現在では数分以内に完了できます。市場の熟練した専門家と現在利用可能な求人数を比較すると、人工知能の分野では熟練した専門家が不足していることがわかります。
ベイジアンネットワーキング、 ニューラルネット、コンピューター サイエンス (プログラミング言語に関する知識を含む)、物理学、ロボット工学、微積分、統計の概念は、AI のキャリアに深く飛び込む前に知っておく必要のあるスキルです。 AI 分野でキャリアを築きたいと考えている人は、さまざまな職種があることを知っておく必要があります。 AI の世界におけるさまざまな職務と、それぞれの職務でどのようなスキルを備えていなければならないかを詳しく見てみましょう。
また読む: 人工知能の面接の質問 2020
1. 機械学習エンジニア
あなたがデータ サイエンスまたは応用研究のバックグラウンドを持っている人の場合、 機械学習エンジニア あなたにぴったりです。 Python、Java などの複数のプログラミング言語を理解していることを証明する必要があります。予測モデルを理解し、膨大なデータセットを操作する際に自然言語処理を活用できることが有益であることがわかります。 IntelliJ や Eclipse などのソフトウェア開発 IDE ツールに慣れると、機械学習エンジニアとしてのキャリアをさらに進めることができます。主に、いくつかの機械学習プロジェクトの構築と管理を担当していただきます。
ML エンジニアとして受け取る年収の中央値は 114,856 ドルです。企業は、関連分野で修士号を取得し、機械学習の概念、Java、Python、Scala に関する深い知識を持つ、熟練した専門家を求めています。採用企業によって要件は異なりますが、分析スキルやクラウドアプリケーションなどは加点となります。
2.データサイエンティスト
データ サイエンティストのタスクには、機械学習および予測分析ツールを活用して、大規模で複雑なデータセットを収集、分析、解釈することが含まれます。データ サイエンティストは、さらなる分析と解釈のためにデータの収集とクリーニングを可能にするアルゴリズムの開発も担当します。年間中央値 データサイエンティストの給与 価格は $120,931 で、必要なスキルは次のとおりです。
- ハイブ
- Hadoopの
- MapReduce
- 豚
- スパーク
- Python
- スカラ
- SQL
必要なスキルは企業によって異なり、経験レベルによっても異なります。ほとんどの採用企業は、データ サイエンスまたはコンピューター サイエンスの分野で修士号または博士号を求めています。 AI 開発者になりたいデータ サイエンティストの場合、高度なコンピューター サイエンスの学位が有益であることが証明されています。非構造化データを理解する能力と、強力な分析スキルとコミュニケーション スキルが必要です。これらのスキルは、ビジネス リーダーと調査結果を伝達する作業に取り組む際に不可欠です。
3. ビジネスインテリジェンス開発者
AI におけるさまざまな職種を見る場合、ビジネス インテリジェンス (BI) 開発者のポジションも含まれます。この役割の目的は、ビジネスと市場のトレンドを特定するのに役立つ複雑なデータセットを分析することです。 BI 開発者の年間給与中央値は 92,278 ドルです。 BI 開発者は、クラウドベースのデータ プラットフォーム内の複雑なデータの設計、モデリング、保守を担当します。 BI 開発者として働くことに興味がある場合は、強力な技術スキルと分析スキルが必要です。
技術的な知識を持たない同僚にソリューションを伝えることに取り組むため、優れたコミュニケーション スキルを持つことが重要です。問題解決スキルも発揮する必要があります。 BI 開発者は通常、関連分野の学士号を取得している必要があり、実務経験も追加のポイントを与えます。認定は非常に望まれており、追加の品質としてみなされています。 BI 開発者に必要なスキルは、データ マイニング、SQL クエリ、SQL サーバー レポート サービス、BI テクノロジ、およびデータ ウェアハウス設計です。
4.研究科学者
研究科学者は、人工知能の分野で主要なキャリアの 99,809 つです。数学、深層学習、機械学習、計算統計学など、複数の分野の専門家である必要があります。受験者は、コンピューターの認識、グラフィカル モデル、強化学習、NLP に関する十分な知識を持っている必要があります。データ サイエンティストと同様に、研究科学者にはコンピューター サイエンスの修士号または博士号が求められます。年収の中央値はXNUMXドルと言われています。ほとんどの企業は、並列コンピューティング、分散コンピューティング、ベンチマーク、機械学習を深く理解している人材を求めています。
5. ビッグデータ エンジニア/アーキテクト
ビッグデータ エンジニア/アーキテクトは、人工知能に属するすべての役割の中で最も高収入の仕事です。ビッグデータ エンジニア/アーキテクトの年間給与中央値は 151,307 ドルです。これらは、ビジネス システムが相互に通信し、データを照合できるようにするエコシステムの開発において重要な役割を果たします。データ サイエンティストと比較して、ビッグ データ アーキテクトは、Spark や Hadoopの。企業は通常、C++、Java、 Python 、スカラ。
データマイニング、 データの可視化、データ移行のスキルも付加価値となります。もう 1 つのボーナスは、数学または関連するコンピューター サイエンス分野の博士号です。
人工知能の利点
世の中のほとんどのものと同様に、AI にも長所と短所があります。まず、人工知能の利点と、人工知能によって以前と比べて私たちの生活がどのように楽になったかを理解しましょう。
- ヒューマンエラーの削減
- 24時間7日利用可能
- 反復作業に役立ちます
- デジタル支援
- 意思決定の迅速化
- 合理的な意思決定者
- 医療アプリケーション
- セキュリティを向上
- 効率的なコミュニケーション
前述の各ポイントを詳しく見てみましょう。
1. ヒューマンエラーの削減
AI モデルで行われるすべての決定は、一連のアルゴリズムを適用した後、以前に収集された情報に基づいて行われます。これにより、誤差を減らすことができ、精度が高まる可能性が高まります。人間が何らかのタスクを実行する場合、常にわずかなエラーが発生する可能性があります。私たちは間違いを犯す可能性があるため、AI によるプログラムやアルゴリズムを利用する方が、間違いの可能性を低くすることができます。
2. 24時間7日利用可能
人工知能モデルは、休憩や退屈なく 24 時間年中無休で動作するように構築されています。平均的な人間が 7 日に 24 ~ 7 時間働くのと比較すると、これは大幅に効率的です。人間には、休息と若返りの時間が必要なほど長時間働く能力がありません。したがって、AI は XNUMX 時間年中無休で利用でき、効率を大幅に向上させます。
3. 繰り返しの作業に役立ちます
人工知能は人間の日常的な作業を生産的に自動化できます。これは、お礼メールの送信から整理整頓、質問への回答まで、ますますクリエイティブになるのに役立ちます。書類の確認にも役立ちます。レストランや工場で食べ物を作るような反復的な作業は、人間が長時間働くと疲れたり、興味がなくなったりするために台無しになる可能性があります。 AI は、これらの反復的なタスクを効率的に、エラーなく実行するのに役立ちます。
4. デジタルアシスタンス
高度に先進的な組織のいくつかは、デジタル アシスタントを利用してユーザーと対話しています。そうすることで、組織は人的資源のコストを節約できます。チャットボットなどのデジタル アシスタントは通常、組織の Web サイトでユーザーの質問に答えるために使用されます。また、スムーズに機能するインターフェイスと優れたユーザー エクスペリエンスも提供します。チャットボットもその好例です。詳細については、ここをお読みください AIチャットボットを構築する方法.
5. 意思決定の迅速化
AI は、他の同様のテクノロジーと同様に、機械が平均的な人間と比較してより迅速な意思決定を行うのに役立ちます。これは、アクションを迅速に実行するのに役立ちます。これは、プログラムされた結果を迅速に提供する AI 搭載の機械とは対照的に、人間は意思決定を行う際、感情を通じて要因を分析する傾向があるためです。
6. 合理的な意思決定者
私たち人間はテクノロジー的にはかなり進化しているかもしれませんが、意思決定に関しては依然として感情に支配されてしまいます。特定の状況では、感情を邪魔せずに、迅速かつ効率的かつ論理的な意思決定を下すことが非常に重要です。 AI を活用した意思決定は AI アルゴリズムによって制御されるため、感情的な矛盾が生じる余地はありません。 AI の助けを借りた合理的な意思決定により、効率が影響を受けず、組織の生産性レベルも向上します。
7. 医療用途
AI の利点の中でも、医療分野での活用が最も大きな利点の 1 つです。医師は、AI を活用した医療アプリケーションを利用して患者の健康リスクを評価できます。放射線手術は、周囲の組織に損傷を与えたり、さらなる問題を引き起こしたりしない方法で腫瘍を手術するために使用されています。医療専門家は、手術に AI を使用するための訓練を受けています。また、さまざまな神経疾患を効率的に検出および監視し、脳機能を刺激するのにも役立ちます。
8.セキュリティを向上させます
テクノロジーが進歩し続けるにつれて、人々が詐欺や個人情報の盗難などの非倫理的な理由でテクノロジーを使用する可能性が高くなります。 AI は、適切な方法と適切な理由で使用されれば、組織のセキュリティを向上させる優れたリソースであることが証明されます。 AI はデータと財務を保護するために使用できます。 AIは主にサイバーセキュリティの分野で導入されています。これにより、あらゆる形態のサイバー脅威や攻撃から個人データを保護する能力が変わりました。サイバーセキュリティにおける AI とそれがどのように役立つかについては、さらにお読みください。 こちら.
9. 効率的なコミュニケーション
世界のさまざまな地域から来た人々は異なる言語を話すため、相互にコミュニケーションをとるのが難しいと感じています。過去を見ると、相手が私たちと同じ言語を理解できない場合に、人間の翻訳者が人々のコミュニケーションをどのように支援していたのかがわかります。 AIを活用すればそのような問題は起こりません。自然言語処理を使用すると、システムは単語をある自然言語から別の自然言語に翻訳できるため、仲介者が不要になります。その最良の例の 1 つは Google 翻訳であり、それが時間の経過とともにどのように進歩したかを示しています。単語/文の発音方法の音声例が提供されるようになりました。したがって、正確さと効果的なコミュニケーション能力が向上します。
人工知能のデメリット
AI の利点を理解したところで、いくつかの欠点を見てみましょう。
- コスト超過
- 才能の不足
- 実用的な製品が不足している
- ソフトウェア開発における標準の欠如
- 誤用の可能性
- 機械への依存度が高い
- 監督が必要
AIのデメリットを詳しく見てみましょう。
1. コスト超過
AI を活用したモデルの運用規模は、ソフトウェア開発と比較すると非常に大きくなります。このため、必要なリソースが大幅に増加します。これにより、運用コストがより高いレベルに押し上げられます。
2. 才能の不足
AIはまだまだ発展途上の分野です。したがって、必要なスキルをすべて備えた専門家を見つけるのは簡単ではありません。 AI 分野で利用可能な仕事の数と、この分野の熟練した労働力の間にはギャップがあります。必要なスキルをすべて備えた人材を雇用すると、組織が負担するコストがさらに増加します。
3. ソフトウェア開発における標準の欠如
人工知能の真の価値は、さまざまな AI システムが連携して、より大きく、より価値のあるアプリケーションを形成する際のコラボレーションにあります。しかし、AI ソフトウェア開発における標準の欠如は、異なるシステムが相互に「対話」することが難しいことを意味します。このため、人工知能ソフトウェアの開発自体は遅くて高価であり、それがさらに AI 開発の障害となっています。
4. 誤用の可能性
AI は素晴らしいことを達成する可能性を秘めており、今日の市場で大きな力を持っています。残念ながら、大きな力には悪用の可能性が伴います。 AI の力が非倫理的な動機を持つ人の手に渡った場合、悪用される可能性が高くなります。
5. マシンへの依存度が高い
Siri や Alexa などのアプリケーションは、私たちの日常生活の一部になっています。私たちはこれらのアプリケーションに大きく依存しており、これらのアプリケーションから支援を受けているため、創造力が低下しています。私たちは機械に大きく依存するようになり、単純なスキルを学ぶ機会を失い、怠け者になっていきます。
6. 監督が必要
AI アルゴリズムの利用には多くの利点があり、非常に効率的です。しかし、継続的な支援と監督も必要です。これらのアルゴリズムは、私たちがプログラミングし、正しい方法で機能しているかどうかを確認しなければ機能しません。一例は、「Tay」という名前の Microsoft の AI チャットボットです。テイは、オンライン会話を通じて学習することで、10 代の少女のように話すようにモデル化されました。しかし、基本的な会話スキルを学習するようにプログラムされており、正しいことと間違っていることの区別がなかったため、インターネット荒らしのせいで、非常に政治的で不正確な情報をツイートしてしまいました。
人工知能の未来
私たちは常にテクノロジーの変化に魅了されてきました。現在、私たちは史上最大の AI の進歩の真っ只中に生きています。人工知能は、テクノロジー分野における純最大の進歩であることが明らかになりました。これはあらゆる業界の将来に影響を与えるだけでなく、ビッグデータ、ロボティクス、IoT などの新興テクノロジーの推進力としても機能しています。 AIの進歩がこれほど進んでいるとすれば、今後もAIが繁栄し続けることは間違いありません。したがって、2020 年現在、AI は参入するのに最適な分野であると言えます。AI とその技術の進歩に伴い、この分野における熟練した専門家のニーズはさらに高まるでしょう。
AI 認定資格を取得すると、業界の他の参加者よりも優位に立つことができます。顔認識、ヘルスケアにおける AI、チャットボットが成長を続けているため、AI での成功するキャリアの構築に向けて取り組むのに最適な時期と言えます。仮想アシスタントは、私たちが気づかないうちにすでに日常生活の一部になっています。テスラのようなテクノロジー大手による自動運転車は、私たちに未来がどのようなものになるかを垣間見せてくれました。他にも発見すべき進歩はたくさんありますが、これはほんの始まりにすぎません。による , 133年までに人工知能によって新たに2022億XNUMX万人の雇用が創出されると言われており、AIの未来は間違いなく明るいです。
シンプルな人工知能ミニプロジェクト
プロジェクトに進む前に、これを確認することをお勧めします 機械学習のチュートリアル 機械学習にまったく慣れていない場合。について知っていれば、このプロジェクトにも役立ちます。 ロジスティック回帰アルゴリズム.
動物園の動物の分類
このミニプロジェクトでは、人工知能の機械学習ドメインに属するさまざまなアルゴリズムを使用して、動物園の動物をその属性に基づいて分類します。動物園の 101 頭の動物で構成される Kaggle のこのデータセットを使用します。動物を記述するためのさまざまな特性を持つ 16 の変数があります。 7 つのクラス タイプは、哺乳類、鳥類、爬虫類、魚類、両生類、昆虫、無脊椎動物です。
このデータセットの目的は、変数に基づいて動物の分類を予測できるようにすることです。リンクされたダウンロード ページから、このデータセットで使用されているさまざまな属性に関する情報を見つけることもできます。 こちら.
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
df = pd.read_csv(r'/content/zoo.csv')
df.head()
出力:
features.remove('class_type')
features.remove('animal_name')
X = df[features].values.astype(np.float32)
Y = df.class_type
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.5, random_state = 0)
from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
model.fit(X_train, Y_train)
print("training accuracy :", model.score(X_train, Y_train))
print("testing accuracy :", model.score(X_test, Y_test))
出力: トレーニング精度 : 1.0 テスト精度: 0.9215686274509803
ご覧のとおり、モデルはテスト データで 92% の精度を達成し、非常に優れたパフォーマンスを示しました。ここで、上記のデータセット内のいずれかの動物の属性が与えられた場合、上記のモデルを利用してそれを分類できます。
- AIは将来的に雇用を減らすのでしょうか?
AIはまだまだ発展途上です。 AI の分野には改善と進歩の余地が大きくあり、トレンドの変化に対応するにはある程度のスキルアップが必要になる可能性がありますが、将来的に AI が仕事を置き換えたり減らしたりすることはおそらくありません。実際、Gartner の調査によると、AI 関連の仕事は 2025 年までに純新規雇用数 XNUMX 万人に達すると予想されています。AI の導入は、組織のタスクを容易にするのに役立ちます。絶えず変化する世界に対応するには、スキルを向上させ、これらの新しい概念を学ぶ必要があります。
- AIはどのように機能するのか?
AI システムの構築は、人間の特性と機械の能力をリバース エンジニアリングし、その計算能力を利用して人間の能力を超える慎重なプロセスです。人工知能はさまざまなコンポーネントのセット上に構築でき、以下のものの融合として機能します。
- 哲学
- 数学
- Economics
- 神経科学
- Psychology
- コンピューター工学
- 制御理論とサイバネティクス
- 言語学
- 人工知能はロボット工学にどのように使用されますか?
人工知能とロボット工学は通常、2 つの異なるものとして見なされます。 AI には知能のプログラミングが含まれますが、ロボット工学には物理的なロボットの構築が含まれます。ただし、2 つの概念には相関関係があります。ロボット工学では AI の技術とアルゴリズムが使用されており、AI はこの 2 つの間のギャップを埋めます。これらのロボットは次の方法で制御できます。 AIプログラムs.
- 人工知能はなぜ重要なのですか?
音楽のおすすめ、地図のルート案内、モバイル バンキングから詐欺防止に至るまで、AI やその他のテクノロジーが引き継がれています。 AI が重要である理由はいくつかあります。 AI には、人的エラーの削減、24 時間 7 日利用可能、反復的な作業の支援、デジタル支援、迅速な意思決定など、いくつかの利点があります。
- AI における弱いメソッドとは何ですか?
弱い AI は、適用範囲が限られた狭いアプリケーションです。教師あり学習と教師なし学習を使用してデータを処理します。例: Siri、アレクサ。
- AIにはどのような分野があるのでしょうか?
人工知能は主に6つの分野に分類できます。それは、機械学習、ニューラル ネットワーク、ディープ ラーニング、コンピューター ビジョン、自然言語処理、コグニティブ コンピューティングです。
- 人工知能の学習を始めるにはどうすればよいですか?
人工知能を学ぶには、数学、科学、コンピューター サイエンスなどのスキルが必要です。また、オンライン チュートリアルを選択して、自宅で快適に人工知能を学ぶこともできます。
- AIの4つのタイプは何ですか?
人工知能の 4 つの典型的なタイプは、リアクティブ マシン、限られたメモリ、心の理論、および自己認識です。
- 人工知能について学ぶべき基本的なことは何ですか?
人工知能の基本は、高度な数学と統計、プログラミング言語、機械学習、そして多くの忍耐です。人工知能と機械学習には、機械学習、Python コード、コンピューター サイエンス、自然言語処理、データ サイエンス、数学、心理学、神経科学、その他多くの分野が含まれることを知っておく必要があります。
- AIを学ぶのは難しいですか?
人工知能は難しいものではありません。ただし、それには時間を費やす必要があります。取り組むプロジェクトの数が増えれば増えるほど、より良い仕事ができるようになります。スキルとともに、AI を学ぶ決意も必要です。
これで人工知能のチュートリアルは終了です。がここにあります AIMLに関する無料コース それはあなたの基礎をより強固にするのに役立ちます。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://www.mygreatlearning.com/blog/artificial-intelligence-tutorial/
- :持っている
- :は
- :not
- :どこ
- $UP
- 1
- 11
- 14
- 15年
- 視聴者の38%が
- 16
- 2020
- 2022
- 2024
- 2025
- 7
- 8
- a
- 能力
- 能力
- できる
- 私たちについて
- 上記の.
- アカデミック
- 従った
- それに応じて
- 精度
- 正確な
- 達成する
- 達成
- 演技
- 行動
- 使徒行伝
- 急性
- 追加されました
- NEW
- 養子縁組
- 進める
- 高度な
- アドバンス
- 進歩
- 前進
- 利点
- 利点
- 影響を受けました
- 後
- 再び
- に対して
- エージェント
- AGI
- 前
- 先んじて
- AI
- AIチャットボット
- サイバーセキュリティにおける AI
- 教育における愛
- ヘルスケアのAI
- 愛の研究
- AIソフトウェア開発
- AIシステム
- AI電源
- 援助
- 目指す
- 目指して
- アレクサ
- アルゴリズム
- アルゴリズム
- すべて
- 許す
- ことができます
- 沿って
- 並んで
- 既に
- また
- しかし
- 常に
- Amazon
- アメリカ
- の中に
- 間で
- 量
- an
- 分析する
- 分析
- 分析的
- 分析論
- 分析ツール
- 分析します
- 分析する
- 古代
- および
- 動物
- 動物
- 毎年恒例の
- 別の
- 回答
- 回答
- どれか
- 申し込み
- 適用された
- 申し込む
- 建築家
- です
- AREA
- エリア
- 周りに
- 宝品
- 記事
- 人工の
- 人工総合知能
- 人工知能
- 人工知能と機械学習
- 人工知能ソフトウェア
- AS
- 頼む
- 評価する
- 援助
- アシスタント
- アシスタント
- 関連する
- 協会
- 引き受けます
- At
- 攻撃
- 達します
- 試みた
- 属性
- オーディオ
- 自動化する
- 自動車
- オートパイロット
- 利用できます
- 平均
- 知って
- バック
- 背景
- Baiduの
- バンキング
- 銀行と金融
- ベース
- 基本
- の基礎
- BE
- ビート
- なぜなら
- になる
- になる
- になる
- き
- 始まった
- 初心者
- 開始
- 行動
- さ
- 人間
- ベンチマーク
- 有益な
- 恩恵
- BEST
- より良いです
- の間に
- ビッグ
- ビッグデータ
- より大きい
- 鳥
- ブログ
- 青
- ボーナス
- 両言語で
- 脳
- ブランチ
- 支店
- 休憩
- ブリッジ
- 明るい
- もたらす
- バグ
- ビルド
- 建物
- 内蔵
- ビジネス
- ビジネス・インテリジェンス
- ビジネスリーダー
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- C + +
- 来ました
- 缶
- 候補
- 機能
- できる
- 容量
- キャリア
- キャリア
- 注意深い
- 携帯
- 自動車
- 場合
- 原因となる
- 中央の
- 一定
- 認証
- 認定
- チャンピオン
- チャンス
- チャンス
- 変化する
- 変更
- 変化
- チャットボット
- チャットボット
- チェック
- 点検
- チェス
- 中国語
- 選択肢
- class
- 分類
- 分類します
- クリーニング
- クローザー
- クラウド
- クラウドアプリケーション
- クラスタリング
- コード
- 認知
- コグニティブコンピューティング
- 造られた
- 環境、テクノロジーを推奨
- 同僚
- 収集
- カレッジ
- COM
- 来ます
- 来ます
- 快適さ
- 到来
- コマーシャル
- 一般に
- 伝える
- 通信中
- コミュニケーション
- コミュニケーションスキル
- 企業
- 会社
- 比較します
- 比べ
- コンプリート
- 複雑な
- コンポーネント
- 計算的
- コンピュータ
- コンピュータサイエンス
- Computer Vision
- コンピューター
- コンピューティング
- コンセプト
- コンセプト
- について
- 講演
- 合流
- 交流
- デメリット
- 意識
- 結果
- 見なさ
- からなる
- 定数
- 絶えず
- コンテンツ
- 続ける
- 継続します
- 続ける
- 連続的に
- 制御
- 会話
- 会話
- 基本
- 法人
- 相関
- 費用
- コスト
- ここから
- 作ります
- 作成した
- 作成
- 創造
- クリエイティブ
- 重大な
- 電流プローブ
- 現在
- サイバーセキュリティ
- daily
- 損傷
- データ
- データマイニング
- データサイエンス
- データサイエンティスト
- データの可視化
- データウェアハウス
- データセット
- 中
- 取引
- 数十年
- 決定
- 意思決定
- 決定
- 深いです
- 深い学習
- ディープマインド
- 絶対に
- 度
- 配信する
- 需要
- 実証します
- 決まる
- 依存
- によっては
- 説明する
- 設計
- 設計
- 設計
- 希望
- 詳細
- 詳細な
- 決定
- 開発する
- 発展した
- Developer
- 開発
- 開発
- DID
- 違い
- 異なります
- 難しい
- デジタル
- 方向
- 規律
- しつけ
- 発見
- 不一致
- 話し合います
- 議論する
- 障害
- ディスプレイ
- 配布
- 分散コンピューティング
- 異なる
- 分割された
- ダイビング
- do
- 医師
- ドキュメント
- ありません
- そうではありません
- すること
- ドメイン
- ドメイン
- 行われ
- ドント
- 倍増
- 疑い
- ダウンロード
- ドライブ
- ドライバー
- 原因
- デュレーション
- 各
- 前
- 容易
- 簡単に
- 経済
- 経済フォーラム
- エコシステム
- エッジ(Edge)
- 教育
- 効果
- 効果的に
- 効率
- 効率
- 効率的な
- 効率良く
- 努力
- 努力
- 排除
- 埋め込まれた
- 登場
- 新興の
- 新技術
- 感情
- enable
- 可能
- 有効にする
- end
- エンジニア
- エンジニア
- 巨大な
- 確実に
- 入力します
- エンティティ
- 環境
- 装備
- エラー
- エラー
- 本質的な
- 本質的に
- 等
- エーテル(ETH)
- イベント
- 最終的に
- あらゆる
- 日常
- 明らか
- 進化
- 進化
- 例
- 例
- 例外的に
- 実行します
- 存在する
- 期待する
- 予想される
- 高価な
- 体験
- エキスパート
- 専門家
- 明示的
- 指数関数的に
- 広範囲
- エクステント
- 非常に
- フェイシャル
- 顔認識
- 実際
- 要因
- 工場
- 秋
- フォールズ
- おなじみの
- 遠く
- 広範囲に及ぶ
- 速いです
- 特徴
- 摂食
- 感情
- 少数の
- フィクション
- フィールド
- フィールズ
- フィルター
- 最後に
- ファイナンス
- 財源
- もう完成させ、ワークスペースに掲示しましたか?
- 発見
- 調査結果
- 名
- 魚
- 頭角を現す
- フォーカス
- 次
- フード
- フォーブス
- 予見
- フォーム
- フォーラム
- 発見
- 財団
- 設立
- 4
- 詐欺
- 不正防止
- から
- function
- 機能します
- 機能
- 基本的な
- 資金調達
- さらに
- さらに
- 未来
- AIの未来
- 賭博
- ギャップ
- ガートナー
- 集まった
- 一般情報
- 取得する
- 受け
- 巨人
- 女の子
- 与える
- 与えられた
- 垣間見ます
- グローバル
- 目標
- 目標
- 行く
- 行って
- 良い
- でログイン
- Googleマップ
- グーグル検索
- グーグル翻訳
- 政府・公共機関
- 政府
- 素晴らしい
- すげえ力
- 大きい
- 最大
- 砕ける
- 成長性
- 推測された
- 持っていました
- Hadoopの
- ハンプシャー
- 一握り
- ハンド
- ハード
- Hardware
- 持ってる
- 持って
- 健康
- ヘルスケア
- 助けます
- 助け
- ことができます
- こちら
- より高い
- 非常に
- 雇う
- 雇用
- 歴史的
- history
- ホーム
- ホームページ
- うまくいけば
- HOURS
- 認定条件
- How To
- しかしながら
- HTTPS
- 巨大な
- 人間
- 人間の知性
- 人事
- 人類
- 人間
- i
- 識別する
- アイデンティティ
- 個人情報の盗難
- if
- 画像処理
- とてつもなく
- 影響
- 影響を受けた
- 実装
- import
- 重要性
- 重要
- 改善します
- 改善
- 改善
- 向上させる
- 改善
- in
- その他の
- 綿密な
- include
- 含ま
- 含めて
- 組み込む
- 増える
- 増加した
- 増加
- ますます
- 信じられない
- 発生した
- 個人
- 産業
- 産業を変えます
- 不平等
- 情報
- インテリジェンス
- インテリジェント-
- 対話
- 相互接続
- 興味がある
- インタフェース
- 中級
- インターネット
- 解釈
- インタビュー
- 面接の質問
- に
- 発明された
- 関与
- IOT
- iPhone
- 問題
- IT
- ITS
- 自体
- 日本語
- Java
- ジョブ
- Jobs > Create New Job
- John Redfern
- 参加
- ただ
- キープ
- 知っている
- 知っている
- 知識
- 既知の
- 労働
- 欠如
- 言語
- ESL, ビジネスESL <br> 中国語/フランス語、その他
- 大
- 主として
- 姓
- 遅く
- 産む
- つながる
- リーダー
- 主要な
- LEARN
- 学習
- ツェッペリン
- う
- レベル
- レベル
- 活用します
- 活用
- 生活
- ような
- 可能性が高い
- 制限
- 限定的
- LINK
- リンク
- ライブ
- ライブデータ
- 命
- 生活
- 論理的な
- 長い
- 長い時間
- より長いです
- 見て
- のように見える
- 見
- 探して
- 負け
- たくさん
- 下側
- Lyft
- 機械
- 機械学習
- マシン
- 製
- メイン
- 主に
- 保守
- make
- 作る
- 作成
- 管理します
- マネージド
- 管理する
- 方法
- 多くの
- 地図
- ゲレンデマップ
- 3月
- 市場
- 市場動向
- 大規模な
- 大規模
- マスターの
- math
- 数学
- 最大幅
- 五月..
- 意味
- 意味のある
- 手段
- 測定された
- 医療の
- 医療応用
- メモリ
- メッセージ
- メソッド
- かもしれない
- 移行
- 百万
- マインド
- 最小限の
- 鉱業
- 分
- 誤用
- ML
- モバイル
- モバイルバンキング
- モデリング
- モデル
- モダン
- モニタリング
- 他には?
- もっと効率的
- 最も
- 主に
- 移動する
- ずっと
- の試合に
- ミューズ
- 音楽を聴く際のスピーカーとして
- しなければなりません
- 名前付き
- すなわち
- 国連
- ナチュラル
- 自然言語
- 自然言語処理
- 必要
- 必要
- 必要とされる
- ニーズ
- net
- ネッツ
- ネットワーキング
- ネットワーク
- ニューラル
- ニューラルネットワーク
- 神経学
- 神経科学
- 新作
- NLP
- いいえ
- 注意
- 今
- 数
- 多数の
- numpy
- 客観
- オブジェクト
- 発生する
- of
- 提供
- on
- かつて
- ONE
- オンライン
- の
- 開口部
- 開きます
- 操作する
- 業務執行統括
- 機会
- 反対した
- or
- 組織
- 組織的な
- 組織
- その他
- その他の参加者
- その他
- 私たちの
- でる
- 成果
- が
- 全体
- 自分の
- ページ
- パンダ
- 並列シミュレーションの設定
- パラメータ
- 部
- 参加者
- 提携
- 部品
- 過去
- 忍耐
- のワークプ
- 知覚
- 実行する
- 実行
- 実行
- 人
- 個人的な
- 個人データ
- 視点
- 博士号
- 物理的な
- 物理学
- 画像
- 計画
- プラン
- プラットフォーム
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- プレイ
- さらに
- ポイント
- ポイント
- 政治的
- 位置
- 所有する
- 所持
- 可能性
- 可能
- 潜在的な
- 電力
- パワード
- 実用的
- 予測する
- 予測
- 予測的
- 予測分析
- 防止
- 前に
- 問題解決
- 問題
- プロセス
- ラボレーション
- 処理
- 作り出す
- 生産性
- 専門家
- 対応プロファイル
- プログラム
- プログラミング
- プログラミング言語
- プログラム
- プロジェクト
- プロジェクト(実績作品)
- 明白な
- プロパティ
- PROS
- 守る
- 保護
- 受験する
- 証明する
- は、大阪で
- 腕前
- Psychology
- 目的
- プッシュ
- 置きます
- パズル
- Python
- 品質
- クエリ
- 質問
- 質問
- クイック
- すぐに
- R
- レート
- 合理的
- リーチ
- 達した
- 読む
- 本当に
- 理由は
- 受け取ります
- 認識
- 認識する
- 提言
- 録音
- 減らします
- 電話代などの費用を削減
- 縮小
- 削減
- 言及
- 指し
- に対する
- 回帰
- 強化学習
- 関連する
- 関連した
- 除去
- 反復的な
- replace
- 各種レポート作成
- 表現
- 表し
- 必要とする
- の提出が必要です
- 要件
- 必要
- 研究
- 研究者
- 研究者
- リソースを追加する。
- リソース
- 責任
- 責任
- REST
- レストラン
- 結果
- 結果
- 右
- 上昇
- リスク
- ロボット工学
- ロボット
- 職種
- 役割
- s
- 前記
- 給与
- 同じ
- Save
- 言う
- スカラ
- 規模
- 科学
- サイエンスフィクション
- 科学者
- 科学者たち
- スコープ
- を検索
- セクター
- セクター
- 安全に
- セキュリティ
- 見て
- 自己
- 自動運転
- 送信
- サービス
- セッションに
- いくつかの
- shared
- 不足
- すべき
- 表示する
- 展示の
- 表示
- 示す
- 重要
- 著しく
- 同様の
- 同様に
- 簡単な拡張で
- 簡素化する
- 単に
- から
- 単数
- シリ
- 状況
- SIX
- 熟練した
- スキル
- 遅く
- スムーズ
- So
- 社会
- ソフトウェア
- ソフトウェア開発
- ソリューション
- 解決する
- 解決
- 一部
- 誰か
- スパム
- スパーク
- 話す
- 特定の
- スピーチ
- 音声認識
- 過ごす
- スポーツ
- SQL
- ステージ
- 規格
- 立場
- start
- 米国
- 統計的
- 統計
- 統計情報
- 滞在
- まだ
- 刺激します
- 刺激する
- 株式
- 株式市場
- 店舗
- 強い
- 強い
- 生徒
- 勉強
- 成功した
- 首尾よく
- そのような
- 苦しみ
- 示唆する
- 提案する
- 適当
- まとめる
- スーパー
- 監督
- 手術
- しのぐ
- 凌駕する
- 周囲の
- シンボリック
- システム
- 取る
- 撮影
- 仕事
- タスク
- テク
- ハイテク巨人
- 技術的
- テクニック
- 技術の
- テクノロジー
- テクノロジー
- 条件
- テスラ
- テスト
- より
- 感謝
- それ
- 未来
- 情報
- 世界
- 盗難
- アプリ環境に合わせて
- それら
- 理論
- そこ。
- ボーマン
- 彼ら
- 物事
- 考え
- この
- それらの
- 千
- 三
- 介して
- 従って
- 時間
- <font style="vertical-align: inherit;">回数</font>
- 疲れた
- 組織
- 役職
- 〜へ
- 今日
- 一緒に
- あまりに
- 豊富なツール群
- 厳しい
- に向かって
- トラフィック
- 訓練された
- トレーニング
- 変換
- 翻訳する
- トレンド
- true
- 本当の価値
- 腫瘍
- チュートリアル
- チュートリアル
- 2
- 典型的な
- 一般的に
- ユーバー
- 不確かな
- 下
- わかる
- 理解する
- 理解された
- 残念ながら
- 未知の
- 教師なし学習
- スキルアップ
- us
- つかいます
- 中古
- ユーザー
- 操作方法
- users
- 使用されます
- 通常
- 貴重な
- 値
- 価値観
- さまざまな
- 広大な
- 検証する
- バーチャル
- ビジョン
- 可視化
- 極めて重要な
- ボイス
- vs
- 望んでいる
- 倉庫
- ました
- 仕方..
- 方法
- we
- ウェブ
- ウェブサイト
- WELL
- went
- した
- この試験は
- 何ですか
- いつ
- 一方
- かどうか
- which
- while
- 誰
- なぜ
- より広い
- 意志
- 以内
- 無し
- Word
- 言葉
- 仕事
- 労働人口
- ワーキング
- 作品
- 世界
- でしょう
- 間違った
- X
- 年
- 年
- まだ
- 貴社
- あなたの
- ユーチューブ
- ゼファーネット
- ZOO