機械学習101:それがどのように機能し、なぜ気にする必要があるのか

May 09 2022
機械学習の分野は近年急速に進歩しており、新しい発見やアプリケーションが事実上毎日出てきています。しかし、それについて何がそんなに特別なのか、そしてなぜあなたはビジネスマンとして気にかけるべきなのか疑問に思うかもしれません。

機械学習の分野は近年急速に進歩しており、新しい発見やアプリケーションが事実上毎日出てきています。しかし、それについて何がそんなに特別なのか、そしてなぜあなたはビジネスマンとして気にかけるべきなのか疑問に思うかもしれません。機械学習の仕組みと、それに興奮する理由は次のとおりです。

機械学習とは何かの基本

機械学習は、コンピューターが明示的にプログラムされていなくてもデータから学習できるようにする人工知能(AI)の分野です。そのためには、サンプルデータをフィードし、達成したい結果の具体例を示すことで、アルゴリズムをトレーニングします。次に、これまでにない新しいデータを提供すると、回答または予測が出力されます。この学習プロセスは、より多くのデータが収集されるにつれて、時間の経過とともに継続します。機械学習の実例は音声認識ソフトウェアです。これは、2011年にAppleのSiriが発表されて以来、私たちの言うことをよりよく理解できるようになりました。現在、Siriは、妻にテキストメッセージを送信するなどのコマンドを理解できます。私が交通渋滞に巻き込まれたために夕食に遅れた—5年前にはSiriができなかったこと。

それが機能するために必要なデータ

Facebookに写真を投稿したり、Amazonで何かを購入したりすると、すべての個人データがどうなるのか疑問に思ったことはありませんか。私たちの生活がますますデジタル化するにつれて、私たちのデータもますますデジタル化しています。オンラインで何かをするたびに、その情報は個人または企業によって収集され、後で分析されます。これらはデータセットと呼ばれ、特定の目的を念頭に置いて単純に編成されたデータのコレクションです。データセットが完全で多様であるほど、機械学習アルゴリズムが新しいデータに関する予測を行う方法を学習するのに役立ちます。たとえば、顔の写真に基づいてさまざまな犬種を認識する方法をアルゴリズムに教えようとしている場合、各犬種の名前が付けられた何千もの写真が必要になります。

MLシステムに必要な主要コンポーネント

MLシステムを構築するための最初のステップは、データを収集することです。持っているものが多ければ多いほど、モデルのパフォーマンスも向上します。しかし、データを持っているだけでは十分ではありません。その情報は、特定のビジネス上の問題に適した方法で構造化する必要があります。たとえば、MLアルゴリズムの入力として画像を使用する場合は、各画像にその中身(人、建物、木)の詳細がタグ付けされていることを確認する必要があります。アルゴリズムの入力としてテキストを使用する場合(たとえば、顧客レビュー)、各レビューには、レビュー対象(製品)と人々がそれについてどのように感じたかについての関連する詳細が含まれている必要があります。

MLシステムを使用する主な長所と短所

現在、機械学習が非常に人気がある主な理由の1つは、優れた結果が得られるためです。上記のように、MLを利用したソリューションは、その速度と精度で知られています。これらのシステムを使用する主な欠点は、大量のデータを必要とすることです。これは、一部のフィールドでは収集が難しい場合があります。MLソリューションのもう1つの問題は、通常、多くの処理能力を必要とすることです。ただし、最新のデバイスのほとんどは、複雑なMLアルゴリズムを処理するのに十分な計算能力を備えています。これは、機械学習を使用するためにスーパーコンピューターやハイエンドのラップトップを必要としないことを意味します。必要なのは、アルゴリズムを効率的に実行できるデバイスだけです。人工知能が人間の仕事を引き継ぐことを心配する人もいます。

© Copyright 2021 - 2022 | hachiwiki.com | All Rights Reserved