技術者以外の機械学習ガイド

別のスタートアップミートアップで、バーに寄りかかって飲み物をすすりながら自分を見つけます。今夜は夜だと思う今夜、ネットワーキングを完了させます。

そして、あなたはそれを聞きます。会話の断片が耳に浮かびます:

「...彼らは間違いなく注目すべき機械学習のスタートアップです。」

いや…

「しかし、彼らはまだ統計NLPを使用していませんか?リカレントニューラルネットは前進しているように思えます…」

二度とない…

そして、ウイルスのように広がります。数分以内に、バーの全員が機械学習について話しているので、あなたは恐怖で見ます。

もちろんこの言葉は聞いたことがあります。誰がいないの?機械学習は未来への道であり、人工知能の未来です。もちろん。

問題は、それが何を意味するのか気づいていないということです。

飲み物を飲みます。長い夜になるだろう。

世界の終わり

まず、機械学習ボットがブルーカラーの仕事をしていると聞いています。

次に、ホワイトカラーの仕事も安全ではないことがわかります。

私たちの失業の未来に辞任し、ボットが今私たちの後ろで話していることがわかります。

怠け者の失業中の人間についてのうわさ話でしょう。

機械学習は非常に多くの異なるコンテキストで話されているため、それが何であるかを正確に把握するのは困難です。あなたはそれを調べて、抽象的な理論的説明、強力なスクラブル語、数学とコードの壁を手に入れます。

機械学習とは何か、なぜそれが大事なのか、そしてそれがどのように機能するのかについて少し知りたいだけです。正直なところ、中学校の教室での呪いのような、投げ出されるすべての流行語の意味を理解したいだけです。誰もがそれを使用しているのに、他の誰もその意味を知りません。

飛び込みましょう

だから、機械学習。それは…AIですか?

始めるのに良い場所です。私たちは皆、人工知能の意味を知っています。つまり、私たちは皆異なることを考えていますが、確かにそれが重要なのです。

人工知能(AI)は、「インテリジェントな」意思決定を行えるシステムの構築に関する研究です。

基本的に、コンピューターがやや賢いように見えることをする場合、人工知能と名付けます。

あなたが出会ったかもしれない例を使用してみましょう。コンピュータゲームは、しばしば知的に見える敵キャラクターを特徴とします。彼らは私たちの周りを追いかけ、ゲームを挑戦するように行動します。これはAIの例です。

ゲームの開発者は、AIに一連のルールを与えることでこれを達成しました。プレーヤーに従ってください。プレーヤーが射撃している場合、カバーを見つけます。プレーヤーが撮影を停止した場合は、プレーヤーを撮影してみてください。これらのルールが多いほど、ゲームはよりインテリジェントに見えます。

ことは、コンピューターゲームは通常かなり限られています。プレーヤーはいくつかの特定のアクションのみを実行でき、レベルは完全に開発者によって設計されました。そのため、開発者は本当にインテリジェントに見える素晴らしいAIキャラクターのルールを考え出すことができます。

まあ、かなりインテリジェントです。

すべての問題をルールで解決できるわけではありません

これが犬の絵かどうかをコンピューターに検出させたいとします。

このタスクのルールの定義を開始するにはどうすればよいでしょうか?

いいえ、本当に。必要なルールの種類を考えてみてください。

犬は四本足ですか?

犬は白い色ですか?

犬は毛皮を持っていますか?

これはすでに「座る」ことを知っています。

オブジェクトの認識など、コンピュータービジョンの問題は本当に複雑です。しかし、私たちの脳はそれらをほとんど直感的に解決します。そのため、明示的なルールを考案するのは非常に困難です。

機械学習を入力してください

犬を認識するシステムは構築していません。犬を認識することを学ぶことができるシステムを構築します。

数千枚の画像をフィードします。一部には犬が含まれており、一部には含まれていません。システムは、犬の絵を定義するルールを学習します。

機械学習は、インテリジェントな意思決定を学習できるシステムの構築に関する研究です。

キーワード「学習」は、機械学習を他の種類の人工知能と区別するものです。

「マシンはルールを学習できると言いました。明らかに、ルールは存在します。それらを見つけるのに十分な努力をしていません。」

あなたは絶対に正しいです。一生懸命努力すれば、おそらくルールベースの犬検出の傑作を開発できるでしょう。考えられるすべてのシナリオをカバーする数千のルールがあり、それは美しいものです。

システムが食べ物を含む写真を検出するようにしたい場合はどうしますか?まあ、すべてを捨てて、ゼロから始めます。これらのルールは適用されません。

「まあ、技術的には、ホットドッグは犬です」

物体の認識を学習できるシステムは、犬の代わりに食べ物の写真を使用するだけで、食べ物を認識するようにトレーニングできます。

それが機械学習の力です。ルールの固定セットの代わりに、学習して適応できる柔軟なマシンがあります。

リアルに保つ

今、私は完全に、私たちが生計を立て、学んでいるように聞こえ、子犬と遊ぶことで犬を認識するように教えました。それから、私たちはそれに可愛さの意味と愛の意味を教え、できれば私たち全員を殺して殺さないように説得します。右?

現実はそれほど複雑ではありません。通常は予測に基づいて、マシンが決定を下すことを学習してほしい。それでは、次の質問から始めましょう。人間はどのように予測をするのでしょうか?

予測方法の例を次に示します。中学の理科の授業でもこのようなことをしたかもしれません。

実験を実施するとします。データを収集し、グラフにプロットします。

実験→データ→プロット

x軸は変更した値で、y軸は測定した結果です。次に、グラフに傾向線(または最適線)を描画します。

これは、データを最適にモデル化する行です。

この行ができたので、予測を行うことができます。これまでに測定したことのない重量を選択し、x軸で調べ、y軸を読み取って、スプリングの長さを予測できます。

データを使用し、モデルを構築し、それを使用して予測を行いました。

これらの手順を実行できるプログラムを作成した場合、おめでとうございます。それは機械学習です。

いいえ、本当に。線形モデルを見つけ、それを使用して予測を行います。これは完全に線形回帰と呼ばれる機械学習手法です。

モデルをシステムにプログラムすることはできませんか?システムは、この春について予測することができます。しかし、新しいコードを記述しない限り、他のスプリングについて予測することはできません。

代わりに、線形回帰自体を実行してモデルを学習するようにプログラムに教える場合、それは機械学習です。

モデルは提供していません。機械にモデルを学習させます。

まやかし

この例から1つだけ取り上げるとすれば、これは次のとおりです。

機械学習は魔法ではありません。

私たちはすべてを学ぶことができる自意識のある存在を構築していません。春モデルのプログラムは、犬を認識することを決して学びません。

あなたも、Slinky。

特定のタイプのモデルを学習できるシステムを構築しました。除外したのは、モデルが何であるかだけです。

ほとんどすべての機械学習システムは、次のバージョンを実行します。

システムは、モデルに基づいた出力を提供します。その出力を評価して、それがどれほど悪いかを判断します。その後、モデルを更新して、将来の出力をわずかに改善します。

機械学習は、特定の問題に対してこのループを実行できるシステムを構築する技術です。

出力は、問題に応じて大きく異なる場合があります。チャットボットからのテキスト応答である可能性があります。または、自動運転車でブレーキを踏むかどうかの決定かもしれません。

実際のモデルは、春の問題のように線形になる可能性があります。統計と確率に基づいた、より複雑なモデルにすることもできます。または、人間の脳の働きをエミュレートするように設計されたニューラルネットワークでもかまいません。

詳細が何であれ、ほとんどすべての機械学習システムがそのループを実行しています。各サイクルで、システムは少し改善されます。数千回または数百万回のサイクルの後、そのタスクで人間よりも優れたパフォーマンスを発揮することを学んだシステムを手に入れることができます。

多種多様なアプリケーションとそれらを解決するために必要な技術が、機械学習が他の多くの分野と交差する理由です。また、機械学習が今、非常にエキサイティングなトピックである理由でもあります。

行くよ

機械学習システムの構築は複雑になる可能性がありますが、機械学習を理解する必要はありません。

だから、そのスタートアップミートアップを征服してください。それらの新しく発見された流行語のいくつかを捨ててください。その部屋からネットワークを構築します。本当にもう数年はそれをする必要があります。それまでに、あなたのためにそれを行うことができるボットもいると確信しています。

それがおもしろいと思ったら、ニューラルネットワークの私の1分間のガイドをチェックしてください!

私の次の記事について通知を受けるために購読する:

このストーリーはThe Startupに掲載されており、260,100人以上が集まって起業家精神に関するMediumの主要なストーリーを読みます。

ここで私たちのトップ記事を受け取るために購読してください。