Soumettre la recherche
Mettre en ligne
AIとは?? ~正しい理解のために過去のブームを振り返りながら解説~
•
Télécharger en tant que PPTX, PDF
•
4 j'aime
•
1,051 vues
Yamato OKAMOTO
Suivre
3度目のブームを迎えたAI技術について、正しい理解と適用をしてもらうべく、歴史を踏まえながら解説します。(難しい数式を抜きにしてわかりやすさ重視で解説)
Lire moins
Lire la suite
Logiciels
Signaler
Partager
Signaler
Partager
1 sur 20
Télécharger maintenant
Recommandé
Domain Generalization via Model-Agnostic Learning of Semantic Features
Domain Generalization via Model-Agnostic Learning of Semantic Features
Yamato OKAMOTO
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
ICDM'18 速報
ICDM'18 速報
Yamato OKAMOTO
LiBRA 07.2020 / ITソリューション塾・第34期・AI
LiBRA 07.2020 / ITソリューション塾・第34期・AI
Masanori Saito
20160519 機械学習についてふわっと解説してみた
20160519 機械学習についてふわっと解説してみた
Urara Enomoto
20151221 iotlit
20151221 iotlit
Daiki Nakamura
イトナブ発表会資料
イトナブ発表会資料
Wataru Asai
人工知能と機械学習の違いって?
人工知能と機械学習の違いって?
Shuyo Nakatani
Recommandé
Domain Generalization via Model-Agnostic Learning of Semantic Features
Domain Generalization via Model-Agnostic Learning of Semantic Features
Yamato OKAMOTO
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
ICDM'18 速報
ICDM'18 速報
Yamato OKAMOTO
LiBRA 07.2020 / ITソリューション塾・第34期・AI
LiBRA 07.2020 / ITソリューション塾・第34期・AI
Masanori Saito
20160519 機械学習についてふわっと解説してみた
20160519 機械学習についてふわっと解説してみた
Urara Enomoto
20151221 iotlit
20151221 iotlit
Daiki Nakamura
イトナブ発表会資料
イトナブ発表会資料
Wataru Asai
人工知能と機械学習の違いって?
人工知能と機械学習の違いって?
Shuyo Nakatani
IoTセミナー(山梨県)昭和町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山梨県)昭和町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
新潟コンサルタント横田秀珠
IoTセミナー(愛知県)東浦町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(愛知県)東浦町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
新潟コンサルタント横田秀珠
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
新潟コンサルタント横田秀珠
IIJmio meeting 22 IoTってなんだ?
IIJmio meeting 22 IoTってなんだ?
techlog (Internet Initiative Japan Inc.)
IoT再入門。はじめてのIoT、何をする?何を選ぶ?
IoT再入門。はじめてのIoT、何をする?何を選ぶ?
Yuki Sakai
20230119IoTLT縦・横? ノーコードツールの フロー事情 (1).pptx.pdf
20230119IoTLT縦・横? ノーコードツールの フロー事情 (1).pptx.pdf
ssusera06cae
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
DIVE INTO CODE Corp.
AI系教育ビジネスの提供状況と今後身につけるとよいスキルの紹介
AI系教育ビジネスの提供状況と今後身につけるとよいスキルの紹介
小川 雄太郎
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
新潟コンサルタント横田秀珠
EIoTLTvol1
EIoTLTvol1
Kazuya Fukumoto
情報セキュリティCAS 第十八回放送用スライド
情報セキュリティCAS 第十八回放送用スライド
Kumasan, LLC.
イメージングデータ運用でつまずいた時のDICOMの調べ方
イメージングデータ運用でつまずいた時のDICOMの調べ方
Tatsuaki Kobayashi
IoT概論: AITCオープンラボ IoT勉強会
IoT概論: AITCオープンラボ IoT勉強会
dsuke Takaoka
2016/2/20 DevelopersIO 2016 実践 IoT システムで求められる確実なデータ連携
2016/2/20 DevelopersIO 2016 実践 IoT システムで求められる確実なデータ連携
Tetsuya Tomomatsu
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
Miki Yutani
Wo! vol.37 事例から発想する人工知能系サービスの可能性
Wo! vol.37 事例から発想する人工知能系サービスの可能性
thinkjam.Inc.
Unsupervised image to-image translation networks
Unsupervised image to-image translation networks
Yamato OKAMOTO
ゼロから学ぶAI
ゼロから学ぶAI
DIVE INTO CODE Corp.
下関中等教育学校 出前講義の資料(2023/8/18)
下関中等教育学校 出前講義の資料(2023/8/18)
Kazuaki Tanaka
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
DIVE INTO CODE Corp.
第七回全日本コンピュータビジョン勉強会 A Multiplexed Network for End-to-End, Multilingual OCR
第七回全日本コンピュータビジョン勉強会 A Multiplexed Network for End-to-End, Multilingual OCR
Yamato OKAMOTO
部下のマネジメントはAI開発に学べ
部下のマネジメントはAI開発に学べ
Yamato OKAMOTO
Contenu connexe
Similaire à AIとは?? ~正しい理解のために過去のブームを振り返りながら解説~
IoTセミナー(山梨県)昭和町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山梨県)昭和町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
新潟コンサルタント横田秀珠
IoTセミナー(愛知県)東浦町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(愛知県)東浦町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
新潟コンサルタント横田秀珠
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
新潟コンサルタント横田秀珠
IIJmio meeting 22 IoTってなんだ?
IIJmio meeting 22 IoTってなんだ?
techlog (Internet Initiative Japan Inc.)
IoT再入門。はじめてのIoT、何をする?何を選ぶ?
IoT再入門。はじめてのIoT、何をする?何を選ぶ?
Yuki Sakai
20230119IoTLT縦・横? ノーコードツールの フロー事情 (1).pptx.pdf
20230119IoTLT縦・横? ノーコードツールの フロー事情 (1).pptx.pdf
ssusera06cae
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
DIVE INTO CODE Corp.
AI系教育ビジネスの提供状況と今後身につけるとよいスキルの紹介
AI系教育ビジネスの提供状況と今後身につけるとよいスキルの紹介
小川 雄太郎
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
新潟コンサルタント横田秀珠
EIoTLTvol1
EIoTLTvol1
Kazuya Fukumoto
情報セキュリティCAS 第十八回放送用スライド
情報セキュリティCAS 第十八回放送用スライド
Kumasan, LLC.
イメージングデータ運用でつまずいた時のDICOMの調べ方
イメージングデータ運用でつまずいた時のDICOMの調べ方
Tatsuaki Kobayashi
IoT概論: AITCオープンラボ IoT勉強会
IoT概論: AITCオープンラボ IoT勉強会
dsuke Takaoka
2016/2/20 DevelopersIO 2016 実践 IoT システムで求められる確実なデータ連携
2016/2/20 DevelopersIO 2016 実践 IoT システムで求められる確実なデータ連携
Tetsuya Tomomatsu
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
Miki Yutani
Wo! vol.37 事例から発想する人工知能系サービスの可能性
Wo! vol.37 事例から発想する人工知能系サービスの可能性
thinkjam.Inc.
Unsupervised image to-image translation networks
Unsupervised image to-image translation networks
Yamato OKAMOTO
ゼロから学ぶAI
ゼロから学ぶAI
DIVE INTO CODE Corp.
下関中等教育学校 出前講義の資料(2023/8/18)
下関中等教育学校 出前講義の資料(2023/8/18)
Kazuaki Tanaka
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
DIVE INTO CODE Corp.
Similaire à AIとは?? ~正しい理解のために過去のブームを振り返りながら解説~
(20)
IoTセミナー(山梨県)昭和町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山梨県)昭和町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(愛知県)東浦町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(愛知県)東浦町商工会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IIJmio meeting 22 IoTってなんだ?
IIJmio meeting 22 IoTってなんだ?
IoT再入門。はじめてのIoT、何をする?何を選ぶ?
IoT再入門。はじめてのIoT、何をする?何を選ぶ?
20230119IoTLT縦・横? ノーコードツールの フロー事情 (1).pptx.pdf
20230119IoTLT縦・横? ノーコードツールの フロー事情 (1).pptx.pdf
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
AI系教育ビジネスの提供状況と今後身につけるとよいスキルの紹介
AI系教育ビジネスの提供状況と今後身につけるとよいスキルの紹介
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
EIoTLTvol1
EIoTLTvol1
情報セキュリティCAS 第十八回放送用スライド
情報セキュリティCAS 第十八回放送用スライド
イメージングデータ運用でつまずいた時のDICOMの調べ方
イメージングデータ運用でつまずいた時のDICOMの調べ方
IoT概論: AITCオープンラボ IoT勉強会
IoT概論: AITCオープンラボ IoT勉強会
2016/2/20 DevelopersIO 2016 実践 IoT システムで求められる確実なデータ連携
2016/2/20 DevelopersIO 2016 実践 IoT システムで求められる確実なデータ連携
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
Wo! vol.37 事例から発想する人工知能系サービスの可能性
Wo! vol.37 事例から発想する人工知能系サービスの可能性
Unsupervised image to-image translation networks
Unsupervised image to-image translation networks
ゼロから学ぶAI
ゼロから学ぶAI
下関中等教育学校 出前講義の資料(2023/8/18)
下関中等教育学校 出前講義の資料(2023/8/18)
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
Plus de Yamato OKAMOTO
第七回全日本コンピュータビジョン勉強会 A Multiplexed Network for End-to-End, Multilingual OCR
第七回全日本コンピュータビジョン勉強会 A Multiplexed Network for End-to-End, Multilingual OCR
Yamato OKAMOTO
部下のマネジメントはAI開発に学べ
部下のマネジメントはAI開発に学べ
Yamato OKAMOTO
ICLR2020 オンライン読み会 Deep Semi-Supervised Anomaly Detection
ICLR2020 オンライン読み会 Deep Semi-Supervised Anomaly Detection
Yamato OKAMOTO
ICLR'2020 参加速報
ICLR'2020 参加速報
Yamato OKAMOTO
(SURVEY) Active Learning
(SURVEY) Active Learning
Yamato OKAMOTO
(SURVEY) Semi Supervised Learning
(SURVEY) Semi Supervised Learning
Yamato OKAMOTO
[ICML2019読み会in京都] (LT)Bayesian Nonparametric Federated Learning of Neural Net...
[ICML2019読み会in京都] (LT)Bayesian Nonparametric Federated Learning of Neural Net...
Yamato OKAMOTO
[ICML2019読み会in京都] Agnostic Federated Learning
[ICML2019読み会in京都] Agnostic Federated Learning
Yamato OKAMOTO
CVPR2019@ロングビーチ参加速報(後編 ~本会議~)
CVPR2019@ロングビーチ参加速報(後編 ~本会議~)
Yamato OKAMOTO
CVPR2019@ロングビーチ参加速報(前編~Tutorial&Workshop~)
CVPR2019@ロングビーチ参加速報(前編~Tutorial&Workshop~)
Yamato OKAMOTO
ICML2019@Long Beach 参加速報(5~6日目 Workshop)
ICML2019@Long Beach 参加速報(5~6日目 Workshop)
Yamato OKAMOTO
ICML2019@Long Beach 参加速報(最終日 Workshop)
ICML2019@Long Beach 参加速報(最終日 Workshop)
Yamato OKAMOTO
ICML2019@Long Beach 参加速報(4日目)
ICML2019@Long Beach 参加速報(4日目)
Yamato OKAMOTO
ICML2019@Long Beach 参加速報(3日目)
ICML2019@Long Beach 参加速報(3日目)
Yamato OKAMOTO
ICML2019@Long Beach 参加速報(2日目)
ICML2019@Long Beach 参加速報(2日目)
Yamato OKAMOTO
ICML2019@Long Beach 参加速報(1日目)
ICML2019@Long Beach 参加速報(1日目)
Yamato OKAMOTO
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向
Yamato OKAMOTO
ICLR'19 読み会 in 京都 [LT枠] Domain Adaptationの研究動向
ICLR'19 読み会 in 京都 [LT枠] Domain Adaptationの研究動向
Yamato OKAMOTO
CVPR2019 survey Domain Adaptation on Semantic Segmentation
CVPR2019 survey Domain Adaptation on Semantic Segmentation
Yamato OKAMOTO
ICLR'19 研究動向まとめ 『Domain Adaptation』『Feature Disentangle』
ICLR'19 研究動向まとめ 『Domain Adaptation』『Feature Disentangle』
Yamato OKAMOTO
Plus de Yamato OKAMOTO
(20)
第七回全日本コンピュータビジョン勉強会 A Multiplexed Network for End-to-End, Multilingual OCR
第七回全日本コンピュータビジョン勉強会 A Multiplexed Network for End-to-End, Multilingual OCR
部下のマネジメントはAI開発に学べ
部下のマネジメントはAI開発に学べ
ICLR2020 オンライン読み会 Deep Semi-Supervised Anomaly Detection
ICLR2020 オンライン読み会 Deep Semi-Supervised Anomaly Detection
ICLR'2020 参加速報
ICLR'2020 参加速報
(SURVEY) Active Learning
(SURVEY) Active Learning
(SURVEY) Semi Supervised Learning
(SURVEY) Semi Supervised Learning
[ICML2019読み会in京都] (LT)Bayesian Nonparametric Federated Learning of Neural Net...
[ICML2019読み会in京都] (LT)Bayesian Nonparametric Federated Learning of Neural Net...
[ICML2019読み会in京都] Agnostic Federated Learning
[ICML2019読み会in京都] Agnostic Federated Learning
CVPR2019@ロングビーチ参加速報(後編 ~本会議~)
CVPR2019@ロングビーチ参加速報(後編 ~本会議~)
CVPR2019@ロングビーチ参加速報(前編~Tutorial&Workshop~)
CVPR2019@ロングビーチ参加速報(前編~Tutorial&Workshop~)
ICML2019@Long Beach 参加速報(5~6日目 Workshop)
ICML2019@Long Beach 参加速報(5~6日目 Workshop)
ICML2019@Long Beach 参加速報(最終日 Workshop)
ICML2019@Long Beach 参加速報(最終日 Workshop)
ICML2019@Long Beach 参加速報(4日目)
ICML2019@Long Beach 参加速報(4日目)
ICML2019@Long Beach 参加速報(3日目)
ICML2019@Long Beach 参加速報(3日目)
ICML2019@Long Beach 参加速報(2日目)
ICML2019@Long Beach 参加速報(2日目)
ICML2019@Long Beach 参加速報(1日目)
ICML2019@Long Beach 参加速報(1日目)
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向
ICLR'19 読み会 in 京都 [LT枠] Domain Adaptationの研究動向
ICLR'19 読み会 in 京都 [LT枠] Domain Adaptationの研究動向
CVPR2019 survey Domain Adaptation on Semantic Segmentation
CVPR2019 survey Domain Adaptation on Semantic Segmentation
ICLR'19 研究動向まとめ 『Domain Adaptation』『Feature Disentangle』
ICLR'19 研究動向まとめ 『Domain Adaptation』『Feature Disentangle』
AIとは?? ~正しい理解のために過去のブームを振り返りながら解説~
1.
AIとは? 2017/1/27 ロードローラーさん
2.
自己紹介 ロードローラーさん 2011
京都大学 工学部 情報学科 卒業 2013 京都大学 情報学研究科 修士課程修了 画像処理、パターン認識の研究に着手 その後、京都の某メーカに勤務 専門は機械学習、IoT、ビッグデータ(バズワードばかり……) ブログ:http://r2d.info/ Twitter:RoadRoller_DESU
3.
はじめに
4.
今回の目標到達点 • 話題のAIについて中身を正しく知る • AIとは万能な何でも屋さんではないことを知る •
難しい数式を抜きにしてわかりやすさ重視で解説 AIって なんかすごいんでしょ! 正しい理解と活用を!
5.
AIの定義
6.
AIって何の略?? AI(artificial intelligence) • 直訳:人工的な知能(※まんまです) •
Augmented Intelligence(拡張知能)とする流派もある 例えば、IBMはAugmented Intelligence派 ちなみに私は言葉の定義なんてどっちでもいい思っている派
7.
AIは明確に定義不可 仕組みが理解されると「それはAIではない」と言われだす この現象をAI効果と呼ぶ ルンバといった自走機器もAIと呼ばれた時期があった ⇒ 現在では『ただの制御工学でありAIではない』とされている 特定の問いに回答するチャットボットもAIと呼ばれた ⇒ 現在では『ただの~if~else~のプログラム』とされている そのため…… 技術に精通した研究者はAIという言葉を使わないことが多い
8.
AIの歴史
9.
3度のAIブーム これまでAIは2度のブームと冬を経験している
10.
第1次AIブーム キーワードは『推論と探索』 • 事前にルールとゴールを明確に記述する • AIはゴールにたどりつけるように選択肢を探索する <例>迷路問題 しらみつぶしに経路を探索してゴールにたどり着く
11.
第1次AIブームの終焉 キーワードは『トイプロブレム(おもちゃの問題)』 AI適応可 • 人間がルールを明確に記述できる場合(例:迷路問題) AI適応不可 • ルールが明確に記述できない場合 現実世界の現象は複雑かつ曖昧でルール記述しきれないため、 AIはトイプロブレムにしか適用不可とされてブーム終焉 例えば囲碁の場合、 勝利するためには、 次の一手はどれが最善なのか 明確な定義が困難。 Which
is Better?? ※この問題は後に深層学習とモンテカルロ法によって解決される
12.
第2次AIブーム キーワードは「エキスパートシステム」 • 専門知識を取り込んで、分野に特化した推論を行う。 • 知識を入れたら入れただけAIは賢くなる。 <例>感染症診断システムなどで爆発的に人気が出た。 1分間の最高血圧が 91以下 年齢が61以上 洞頻脈がある
13.
第2次AIブームの終焉 キーワードは『知識表現』 問題①:専門家の膨大な知識を全て記述することが困難 • 数が膨大で、途中で例外や矛盾も出てきてしまう。 問題②:抽象的な知識を記述できない • どんな特徴に基づいて判断するのか知識を明確に表現困難 判断基準を明確に記述できる場合にしか適用できず、 例外や曖昧性のある現実問題には適用困難とされブーム終焉 <例>風邪のときはどんな特徴が表れる?どう見分ける? 咳が出る、鼻が出る、なんとなくダルい、のどが痛い
⇒ 抽象的で表現困難
14.
近年のAI ~第3次AIブーム~
15.
ディープラーニングのすごい点 コンピュータが「抽象化」の機能を獲得 <例> 顔とはどういったものですか? 今まで明確に記述できなかったルールや特徴量を、 ディープラーニングによってデータから抽出可能となった。 参考 http://static.googleusercontent.com/media/research.google.com/ja//pubs/archive/38115.pdf 従来 「目と耳と口があって… 丸いシルエットで…
」 ディープラーニング 「こんな感じのやつ!」
16.
ディープラーニングによる変化 データから特徴量を抽象化して自動抽出 ⇒人が担うタスクが特徴量設計からデータ準備へ変化 <例> 顔検出する認識器を設計 従来 人手で特徴量を設計 ・目、耳、口がある ⇒ 抽象的な特徴量をうまく 記述できない。例外に弱い。 ※部分的に隠れたりすると対応不可 ディープラーニング データとラベルを用意 正例:顔画像 負例:顔以外の画像 ⇒
正例/負例を見分けるための 特徴量を自動抽出する
17.
ディープラーニングによる変化 従来 人手で特徴量を設計 ・願望を含む(~たい) ・特定単語を含む(切符, 購入) ⇒ 抽象的な特徴量をうまく 記述できない。例外に弱い。 ※「京都まで1枚」と言われると対応不可 ディープラーニング データとラベルを用意 正例: ・京都まで切符1枚お願いします ・山科まで行きたいんですけど 負例: ・遅延証明書をください ⇒
正例/負例を見分けるための 特徴量を自動抽出する。 画像だけでなく言語処理などの分野でも同様の変化 <例> 問い合わせ文章から切符購入に関連するものを検出
18.
まとめ
19.
まとめ • AIは刻一刻と進化するため厳密な定義は困難 • 従来の課題は抽象的なルールと特徴量の記述困難性 •
ディープラーニングによって抽象化の能力を得た ⇒正例負例のデータから特徴量を抽象化して自動抽出 • 例外や曖昧性を含んだ現実問題への適用に期待!!
20.
ご清聴ありがとうございました
Télécharger maintenant