回答編集履歴
3
追記忘れ
answer
CHANGED
|
@@ -20,7 +20,7 @@
|
|
|
20
20
|
|
|
21
21
|
現状まとめると,人工知能は局所ケースの問題に関してものすごい性能を発揮しますが,その局所的な問題を解くための設計をすることは,苦手です。あまりにも複雑すぎる問題は人工知能で解くことは難しいのですが,人間がある程度簡単な問題(理論的に解けると証明できる問題)まで落とし込んでやれば人工知能がいろんな問題を解決できることがわかったっていう感じになったのが7年前くらい(googleの猫認識)だと思います。
|
|
22
22
|
|
|
23
|
-
(追記:あまりにも複雑すぎる問題は解けないと書いていますが,ここでいう複雑性とは,人間が考えても答えを出せない問題という意味ではありません。例えば,数種類の項目があるデータがあって,できるだけ似ているものを均等の個数に分かれるようにグループにしたい,という問題は(基本的に)人間には解けません(必要な特徴が解らないなど)が機械は解けます(グループ分けに関係あると思われる特徴まで目星をつけられる)。このように人間が答えを機械に与えられなくてもデータから答えを当てるようなアルゴリズム(教師なし学習)などもあります。ここでいう複雑性とは,入出力が1対多で隠れた条件分岐が複数あったりするような問題のことです。そのような構造を把握するように問題設計するのは不可能ではないもののモデルとして複雑度が増し上手く解きづらい問題になります。ここでいう簡単な問題に落とし込むという作業は,こうした複雑度をできるだけ取り除き綺麗に設計するという意味になります。ディープラーニングは入力と出力を与えれば,そういう複雑すぎる問題にも数の暴力で一定の答えを出してくれますが,入れるデータと出てくるデータの関係性を考えずにデータを突っ込んでも,)
|
|
23
|
+
(追記:あまりにも複雑すぎる問題は解けないと書いていますが,ここでいう複雑性とは,人間が考えても答えを出せない問題という意味ではありません。例えば,数種類の項目があるデータがあって,できるだけ似ているものを均等の個数に分かれるようにグループにしたい,という問題は(基本的に)人間には解けません(必要な特徴が解らないなど)が機械は解けます(グループ分けに関係あると思われる特徴まで目星をつけられる)。このように人間が答えを機械に与えられなくてもデータから答えを当てるようなアルゴリズム(教師なし学習)などもあります。ここでいう複雑性とは,入出力が1対多で隠れた条件分岐が複数あったりするような問題のことです。そのような構造を把握するように問題設計するのは不可能ではないもののモデルとして複雑度が増し上手く解きづらい問題になります。ここでいう簡単な問題に落とし込むという作業は,こうした複雑度をできるだけ取り除き綺麗に設計するという意味になります。ディープラーニングは入力と出力を与えれば,そういう複雑すぎる問題にも数の暴力で一定の答えを出してくれますが,入れるデータと出てくるデータの関係性を考えずにデータを突っ込んでも,実データで答え合わせした時に全く意味のない予測を機械がしている可能性などがあります。ただ,何も考えずにデータを突っ込んでも入力と出力のデータに因果関係があれば,答えを当ててしまう可能性があるのもディープラーニングが強力すぎる所以です。)
|
|
24
24
|
|
|
25
25
|
なので,現在も人間側が機械が問題を解けるようにするための設計(よくチューニングやモデリングと呼ばれます)を行う人は今後も働き続け,その需要は高まり続けるとおもいます。(といっても,実はこのチューニングを自動化する手法を研究する分野もあり,こちらも限定された問題に対してはうまくいくという研究結果が出ています。)
|
|
26
26
|
この問題設計が高度な数学的な専門知識を要し,難しいため,データサイエンティストという人たちの必要が叫ばれるようになったって感じですね。
|
2
追記
answer
CHANGED
|
@@ -19,6 +19,9 @@
|
|
|
19
19
|
他画像処理や音声信号処理などでも人工知能が使われるようになりましたが,こちらは毛色が少し違う話題になってしまうので,省略します。
|
|
20
20
|
|
|
21
21
|
現状まとめると,人工知能は局所ケースの問題に関してものすごい性能を発揮しますが,その局所的な問題を解くための設計をすることは,苦手です。あまりにも複雑すぎる問題は人工知能で解くことは難しいのですが,人間がある程度簡単な問題(理論的に解けると証明できる問題)まで落とし込んでやれば人工知能がいろんな問題を解決できることがわかったっていう感じになったのが7年前くらい(googleの猫認識)だと思います。
|
|
22
|
+
|
|
23
|
+
(追記:あまりにも複雑すぎる問題は解けないと書いていますが,ここでいう複雑性とは,人間が考えても答えを出せない問題という意味ではありません。例えば,数種類の項目があるデータがあって,できるだけ似ているものを均等の個数に分かれるようにグループにしたい,という問題は(基本的に)人間には解けません(必要な特徴が解らないなど)が機械は解けます(グループ分けに関係あると思われる特徴まで目星をつけられる)。このように人間が答えを機械に与えられなくてもデータから答えを当てるようなアルゴリズム(教師なし学習)などもあります。ここでいう複雑性とは,入出力が1対多で隠れた条件分岐が複数あったりするような問題のことです。そのような構造を把握するように問題設計するのは不可能ではないもののモデルとして複雑度が増し上手く解きづらい問題になります。ここでいう簡単な問題に落とし込むという作業は,こうした複雑度をできるだけ取り除き綺麗に設計するという意味になります。ディープラーニングは入力と出力を与えれば,そういう複雑すぎる問題にも数の暴力で一定の答えを出してくれますが,入れるデータと出てくるデータの関係性を考えずにデータを突っ込んでも,)
|
|
24
|
+
|
|
22
25
|
なので,現在も人間側が機械が問題を解けるようにするための設計(よくチューニングやモデリングと呼ばれます)を行う人は今後も働き続け,その需要は高まり続けるとおもいます。(といっても,実はこのチューニングを自動化する手法を研究する分野もあり,こちらも限定された問題に対してはうまくいくという研究結果が出ています。)
|
|
23
26
|
この問題設計が高度な数学的な専門知識を要し,難しいため,データサイエンティストという人たちの必要が叫ばれるようになったって感じですね。
|
|
24
27
|
|
1
情報追加
answer
CHANGED
|
@@ -22,4 +22,8 @@
|
|
|
22
22
|
なので,現在も人間側が機械が問題を解けるようにするための設計(よくチューニングやモデリングと呼ばれます)を行う人は今後も働き続け,その需要は高まり続けるとおもいます。(といっても,実はこのチューニングを自動化する手法を研究する分野もあり,こちらも限定された問題に対してはうまくいくという研究結果が出ています。)
|
|
23
23
|
この問題設計が高度な数学的な専門知識を要し,難しいため,データサイエンティストという人たちの必要が叫ばれるようになったって感じですね。
|
|
24
24
|
|
|
25
|
-
参考になりましたでしょうか？
|
|
25
|
+
参考になりましたでしょうか？
|
|
26
|
+
|
|
27
|
+
追記
|
|
28
|
+
|
|
29
|
+
そういえば最近NodeRedのような結線プログラミングが流行っていますが,あのような形式であれば,Nodeを組み合わせて,プログラムを作るような自動プログラミングはある程度できるんじゃないかなぁと思いました。(loopノードを人間が用意できるため)自動プログラミングに限らずいろいろ面白そうな話題はあるので,調べられてみると面白いと思います。
|