生成AIパスポートの第1章は「AIの基礎」です。AIとは何か、機械学習やディープラーニングとは何かなど、すべての土台となる内容が問われます。
この記事では、第1章で押さえておくべきポイントをやさしく整理します。
AIとは何か
AI（Artificial Intelligence＝人工知能）は、人間のように考えたり、学んだり、判断したりする機能をコンピュータに持たせる技術です。
試験では、AIの定義だけでなく「AIにできること・できないこと」の理解も問われます。現在のAIは特定のタスクには強いですが、人間のように汎用的に考えることはできません。
詳しくは「AIとは何かをやさしく説明する」で解説しています。
AIの歴史（3つのブーム）
AIの歴史は「ブーム」と「冬の時代」を繰り返してきました。
- 第1次AIブーム（1950〜1960年代）：推論と探索の時代。簡単なゲームや定理証明ができるようになった
- 第2次AIブーム（1980年代）：エキスパートシステムの時代。専門家の知識をルール化してAIに入れた
- 第3次AIブーム（2010年代〜）：機械学習とディープラーニングの時代。データから自動的に学ぶAIが実用化された
各ブームの特徴と、なぜブームが終わったのか（限界があったのか）を理解しておきましょう。
機械学習の3つの種類
機械学習は、データから自動的にパターンを見つける技術です。大きく3つに分かれます。
- 教師あり学習：正解データ付きで学習する。「これは犬、これは猫」と教える
- 教師なし学習：正解なしで学習する。データの中からグループ分けなどを見つける
- 強化学習：試行錯誤しながら、報酬が最大になる行動を学ぶ。ゲームAIなどで使われる
この3つの違いは試験で非常に出やすいポイントです。
ニューラルネットワークとディープラーニング
ニューラルネットワークは、人間の脳の神経回路を模倣した計算のしくみです。ディープラーニング（深層学習）は、このニューラルネットワークを多層にしたもので、より複雑なパターンを学習できます。
試験では、「機械学習」「ニューラルネットワーク」「ディープラーニング」の関係を正確に理解しているかが問われます。
- AI ⊃ 機械学習 ⊃ ディープラーニング（入れ子の関係）
- ディープラーニングはニューラルネットワークの一種
その他の押さえておきたい用語
- 過学習（オーバーフィッティング）：学習データに適合しすぎて、新しいデータに対応できなくなる現象
- 転移学習：ある分野で学んだ知識を、別の分野に活用する技術
- 特徴量：AIがデータを分析するときに注目する特徴のこと
- シンギュラリティ：AIが人間の知能を超えるとされる仮説上の転換点
第1章のまとめ
第1章は、AIの基本中の基本です。ここで学ぶ用語や概念は、第2章以降でも繰り返し登場します。特に「機械学習の3種類」「ニューラルネットワークとディープラーニングの関係」「過学習」は頻出です。
基礎をしっかり固めておけば、後の章の理解もスムーズになります。
Comment