AI・機械学習の キーワード・Glossary クイックリファレンス

1行形式で多くの用語解説を素早く参照できるモード。


全用語の概略のみを表示しています。 をクリックすると、より詳しい解説を参照できます。

A

は、グーグルが発表している概念で、機械学習モデルの設計・構築を自動化するための手法(Automated Machine Learning)全般のことを指す。すでに「Cloud AutoML」というサービスが提供開始されている。

C

(Convolutional Neural Network:畳み込みニューラルネットワーク)は、畳み込みとプーリングの層を持つ、ディープ・ニューラル・ネットワークのアルゴリズムの一つ。主に画像認識や音声認識に使う。学習方法は基本的に教師あり学習。

L

(Long Short-Term Memory)は、短期記憶を長期間、活用できるようにした、ディープ・ニューラル・ネットワークのアルゴリズムで、RNNの一種。長期的な依存関係を学習できるのが特徴。多くの場合で、標準のRNNより良い結果を出している。

R

(Recurrent Neural Network:再帰型ニューラルネットワーク)は、 内部に再帰構造を持つ、ディープ・ニューラル・ネットワークのアルゴリズムの一つ。LSTMという拡張バージョンが有名。主に自然言語や時系列データの識別・生成で使う。学習方法は基本的に教師あり学習。

T

は、グーグルが公開している機械学習用のオープンソースライブラリ。

(algorithm)は、機械学習前の抽象的な計算式や計算方法のこと。

(Speech Synthesis、Music Generation)は、ディープラーニングの利用用途の一つで、音声合成(=機械的に音声を作成すること)や作曲などを行うこと。

(Speech Recognition)は、ディープラーニングの利用用途の一つで、言われたことを認識すること。

(Autoencoder)は、ディープ・ニューラル・ネットワークのアルゴリズムの一つで、入力と出力を同じにするのが特徴。主に次元削減のために使う。学習方法は教師なし学習に分類される。

(regression)は、機械学習においては、連続する入力値に対する次の値を予測すること。

(learning)は、機械学習のモデルを「作る」こと。似た用語に「トレーニング」がある。

(learning types)は、機械学習でモデルを作るための「学習」の方法で、代表的なものには「教師あり学習」「教師なし学習」「半教師あり学習」「強化学習」がある。

(Image Generation) は、ディープラーニングの利用用途の一つで、絵画の生成、画像や映像の自動加工などを行うこと。

(Image Recognition)は、ディープラーニングの利用用途の一つで、画像や映像から情報を抽出して識別や未来予測をすること。

(Machine Learning、ML)は、人間が行う「学習」をコンピュータープログラムによって実現すること。機械学習は人工知能(AI)の一種。

(Reinforcement Learning)は、報酬によって、長期的に価値を最大化する「望ましい行動」をするように学習すること。囲碁や将棋、ゲームなどのプレイや、自動運転などに使われている。

(Supervised Learning)は、正解ラベル(教師データ)がある学習。回帰問題分類問題を解決するのに使う。

(Unsupervised Learning)は、正解がない学習。クラスタリング問題を解決したり、次元削減をしたりするのに使う。

(clustering)は、入力値を、事前に定義されていないグループに分割すること。

(Natural Language Processing、NLP)は、ディープラーニングの利用用途の一つで、言葉を理解して情報を抽出して識別や未来予測をしたり(認識モデル)、会話文章を生成したり(いわゆるチャットボットなど)(生成モデル)すること。

(approaches、アプローチ、技法)は、機械学習のモデルを作成する手順・方法のこと。

(Singularity、技術的特異点)は、AI自らがAIを生み出せるようになると、人間を完全に超える圧倒的に高度な知性が生み出されるとする仮説。

(Dimensionality Reduction)は、情報量を本来よりも減らすことで、本質的なデータ構造(特徴)を表現すること。データの圧縮やデータの可視化で使われる。教師なし学習オートエンコーダーなどで実現できる。

(Artificial Intelligent、AI)とは、人間が行う「知的活動」をコンピュータープログラムとして実現すること。

(inference、推定)は、機械学習のモデルを「使う」こと。

(validation data、評価データ:evaluation data)は、「モデルの評価」で使うチューニング用データのこと。教師あり学習では、トレーニングデータテストデータとは別に分けて用意しておく必要がある。

(Strong AI)は、人間が行う知的活動を完全に模倣できるAIで、「汎用的なAI」(AGI:Artificial General Intelligence)とも表現される。

(test data)は、完成候補のモデルに対して使う最終テスト用のデータのこと。通常は、トレーニングデータとは別に用意しておく。

(Transfer Learning)は、ある特定領域で作った学習済みモデルに追加学習させることでカスタマイズし、別の領域に適応させる技術のこと。

(Deep Neural Network、DNN) は、ニューラルネットワークディープラーニングに対応させて4層以上に層を深くしたもの。代表的なDNNに、オートエンコーダーCNNRNNがある。

(Deep Lerning、DL、深層学習)は、機械学習の手法の一つ。通常は、ディープ・ニューラル・ネットワークを用いた学習のことを指す。

(training、訓練)は、 機械学習アルゴリズムを活用して、機械学習モデルのパラメーターを自動的に調整していくこと。似た用語に「学習」がある。

(training data、訓練データ)は、学習においてモデルのトレーニングに使うデータのこと。この他には、精度検証データテストデータがある。

(Neural Network、NN)は、人間の神経回路を真似して、入力層→1つ以上の隠れ層(中間層)→出力層という多層ネットワークを構成する手法のこと。

(Semi-Supervised Learning)は、教師あり学習と教師なし学習を組み合わせて学習させる手法。

(feature learning、特徴表現学習)は、画像/音声/自然言語から特徴表現を自動的に抽出する学習のこと。ディープラーニングがそれに該当する。

(classification)は、離散的な入力値を、事前に定義された複数のクラスに分類すること。

(model)は、機械学習後の計算式/計算方法のこと。「学習済みモデル(Learned model、学習モデル)」「トレーニング済みモデル(Trained model、訓練済みモデル)」とも呼ばれる。

(Weak AI)は、特定の処理のみを実現するAIで、「特化型AI」(Narrow AI)とも表現される。

(labels、正解ラベル、教師データ)は、各データに対して付与される正解を示す情報のこと。教師あり学習で用いられる。

その他(以下の用語に対する解説は現時点ではありません)

 

  • このエントリーをはてなブックマークに追加

本コンテンツの目次

AI・機械学習の キーワード・Glossary クイックリファレンス

A C L R T