AIにできること

WhatCanDoAI
AI

予測

売り上げや関心を数値化することによって、過去の数値の傾向から予測できる今後の数値をですることができ、企業における売上や需要、各個人の興味や関心事を予測することができます。
つまり、「過去の売り上げから、将来の売り上げを予測したい!」 といったことはこの分野であり、AIにできることということがわかるわけですね。
ですが、これはあくまで数値による予測であり現実の売り上げにはそれ以外のものも大きくかかわっているので、これをめいいっぱい信用するのは安易と言えるでしょう。
ですが、実はAIをうまく使えばその「それ以外のもの」をよそくすることも今では可能な事ではあります。(それでも世界には運というものが存在するので競馬でAIが提出した答えに全財産をかけるのは、けして利口な考えとは言えないでしょう。今はね...)
これはAI活用例のうち最も実用化が進んでいる分野であり、比較的使われるようになってから時間が立っているのである程度手法が確立しています。
またこのように数値を予測する問題を回帰問題といいます。
単に数値を予測するだけでも様々な方法があり、
主な手法に「線形回帰」「ロジスティクス回帰」などがありますがここでこの話をすると即座にページを閉じられそうなので省きますね。

AI

変換

さて、予測の次は分類なのですがあたかも全く別のものかのように書いてありますが実はこの分類も何かを予測しているということは先ほどの回帰と同じです。ですが回帰とこの分類ではできるということが全然変わってくるので、このように大きく分けて説明しているわけです。
では予測しているということは同じなのに何がそこまで違うのか、結論からお話しますと、回帰と分類では予測するものが違います。少し詳しくすると、回帰は数値を予測するもので、分類は種類を予測するものなのです。
ここだけ説明してもピンとこない方がほとんどだと思うので例を使って詳しく説明しますね。
例えば、お店で過去のお客さんの購買情報から、お店で新商品をだしたときそのお客さんがその商品を買うか買わないを予測します。
この問題は予測する選択肢が二つですが、もちろん二つ以上の場合も分類することができます。
例えば学生の試験の情報からその学生の評価(A,B,C,ets...)などを予測できます。
そしてよくある問題で写真に写っている動物が猫か犬かというような問題もこの分類に入りますね。
分離、について少しはイメージがつかめたんじゃないでしょうか?
それではここでクイズです(与えられた問題が分離問題なのか回帰問題なのかのクイズを出題まあなくてもいい)
他にも、顔認識、音声認識や迷惑メールの判定などの情報も分類することができます。
顔や音声の認識機能は後で出てくるディープラーニングという技術の影響を大きく受けて近年急速に発達し精度も人間を超えるなど著しく向上しています。分類問題ともいわれますね。

AI

実効

今「AIと言えば?」という質問に「自動運転!」と答える人も多いことでしょう。この自動運転は実行の分類に入ります。
他にも機械翻訳、囲碁や将棋などのゲームの攻略などができます。
概要が分かりやすくイメージがつかみやすいためマスコミから頻繁に取り上げられることで研究がかなり進んでいる分野になります。しかし実は実用化されている例はまだ少なく、これからの発展が期待できます。
(ここでAlphaGoの説明)
どうですか?