※本記事はアフィリエイト広告を含んでいます
どーも、りけーこっとんです。
「G検定取得してみたい！」「G検定の勉強始めた！」
このような、本格的にデータサイエンティストを目指そうとしている方はいないでしょうか？
また、こんな方はいませんか？
「なるべく費用をかけずにG検定取得したい」「G検定の内容について網羅的にまとまってるサイトが見たい」
今回はG検定の勉強をし始めた方、なるべく費用をかけたくない方にピッタリの内容。
りけーこっとんがG検定を勉強していく中で、新たに学んだ単語、内容をこの記事を通じてシェアしていこうと思います。
結構、文章量・知識量共に多くなっていくことが予想されます。
そこで、超重要項目と重要項目、覚えておきたい項目という形で表記の仕方を変えていきたいと思いますね。
早速G検定の中身について知りたいよ！という方は以下からどうぞ。
具体的にどうやって勉強したらいいの？
G検定ってどんな資格？
そんな方は以下の記事を参考にしてみてください。
なお、りけーこっとんは公式のシラバスを参考に勉強を進めています。
そこで主な勉強法としては
問題集テキストなどを読む ⇒ 分からない単語出現 ⇒ web検索や参考書を通じて理解 ⇒ 暗記する ⇒ 最初に戻る
この流れです。
※この記事は合格を保証するものではありません
大項目「人工知能を巡る動向」
G検定のシラバスを見てみると、試験内容が「大項目」「中項目」「学習項目」「詳細キーワード」と別れています。
本記事は「大項目」の「人工知能を巡る動向」の内容。
その中でも「第一次AIブーム」というところに焦点を当ててキーワードを解説していきます。
G検定の大項目には以下の８つがあります。
・人工知能とは
・人工知能をめぐる動向
・人工知能分野の問題
・機械学習の具体的な手法
・ディープラーニングの概要
・ディープラーニングの手法
・ディープラーニングの社会実装に向けて
・数理統計
とくに太字にした「機械学習とディープラーニングの手法」が多めに出るようです。
本記事の範囲は上から二番目ですね。
問題数としては少ないものの、合格に向けては必須の基礎知識になります。
ここを理解していないと、機械学習やディープラーニングがどういうものかを理解できません。
ここから先の学習の理解を深めるために、そしてG検定合格するために、しっかり押さえておきましょう。
また、知識量として結構な数あるので記事を2つに分解することにしました。
①、②ともに見て頂けると、ある程度網羅的に「第一次AIブーム」について理解できるかなと。
第一次AIブームとは？
第一次AIブームとは、1950年代から1960年代にかけて、AIが急速に注目された期間のことを言います。
上の記事でも述べた「ダートマス会議」がその発端。
機械によって、人間が考えるような問題を解けるようになったことが、ブームのきっかけのようですね。
しかし、第一次ブームの人工知能は複雑な問題は解けず、簡単な問題しか解けませんでした。
そこで、1970年代には注目度合いが衰えてしまったと言われています。
プランニング(自動計画)
プランニング(自動計画)とは、ロボットの戦略、行動順序を具体化すること。
手順としては以下のように行われるようです。
１．シミュレーションなどを通して現状を認識
２．問題点を分析
３．問題を達成するための戦略、行動順序を具体化
このようにして、人間が解く問題を機械に解かせようとした感じですね。
ロボットがどう動くのかを予め計画(プランニング)しておく、という言葉通りの意味ではないでしょうか。
STRIPS
STRIPSはプランニング(自動計画)を記述できる言語のこと。
この言語は、以下の3つで構成されます。
「前提条件」
「行動」
「結果」
上記３つの組み合わせを入力することで、１つの動作を定義する自動計画を記述できるようです。
例えば「サルが台に上ってバナナを取る」という例を考えてみましょう。
この場合「結果」は「サルがバナナを取る」ですね。
「前提条件」は「Xにサルがいて、Yにバナナがあって、Zに台がある」といった、最初の状態がどうなっているのか、を表します。
「行動」は「サルが台の所に行く⇒台をバナナの所に持ってくる⇒・・・」のように、具体的にどう行動することで「結果」が得られるか、です。
この言語に触発されてPDDL(Planning Domain Definition Language)という言語も1998年に開発されたようですね。
探索木
探索木とは図にすると以下のような感じです。
木みたいに見えることから「探索木」と言えば、覚えやすいでしょうか。
簡単にそれぞれの用語だけ説明しますね。
節(ノード)
図の○の部分全てのことを言います。
ここにはデータが入り、入力値と比較するための基準が入りますね。
根
探索木の一番上の節(ノード)のことですね。
数値など、データが入ってきた際には、「根」から基準として、比較が始まります。
枝(エッジ)
節(ノード)同士を繋いでいる線のことです。
葉
最下層の節(ノード)を葉と言います。
図で言うと、一番下の○のことですね。
親
ある節(ノード)から見て一つ上のノードのことです。
例えば上の図で言うと、18は15と21の親ノードですね。
子
ある節(ノード)から見て一つ下のノードのことです。
例えば上の図で言うと、15と21は18の子ノードですね。
探索木の動き方(アルゴリズム)は以下の通りです。
分かりやすく「数値」を入力データとして考えますね。
１．上から数値が入力される
２．「根」の数値と”入力値”を比較
３．小さければ左、大きければ右に行く
４．行った先の「ノード」の値と”入力値”を比較
５．小さければ左、大きければ右に行く
６．４と５の繰り返し
この「数値」の部分は「データ」なので、ファイルなど色んな形があります。
さらに探索木には、探索のやり方が大きく以下の二種類に分かれます。
１．深さ優先探索
深さ優先探索とは、「根」から「葉」のノードを先に探索してしまうやり方です。
例えば図のD5が正解のデータだとしましょう。
図で言うと左の「葉」から最初に探索します。
間違っていれば、その隣の「葉」を探索。
さらにその次へ…
このように深さを優先して順番に正解を探していく、と言ったイメージでしょうか。
２．幅優先探索
幅優先探索とは、階層毎にファイルをすべて見て正解を探していくやり方です。
例えば図のD5が正解のデータだとしましょう。
図で言うと、最初に「根」の一つ下にある全てのノードを探索します。
次に一つ下のノードの中から、正解のノードを見つける。
正解のノードから一つ下にある全てのノードを探索。
正解のノードを見つける。
その次へ…
というように、木の横幅を優先して探すことを言います。
SHRDLU
SHRDLUとは、自然言語処理を行う人工知能初期の研究開発プロジェクトのこと。
スタンフォード大学のテリー・ウィノグラードによって行われました。
このプロジェクトでは自然言語を使って、積み木を動かすなどの操作ができたようです。
まとめ
今回は大項目「人工知能を巡る動向」の中の一つ第一次AIブームについて解説しました。
本記事をまとめると以下の３つ。
・第一次AIブームは1950年～1960年にかけてAIが注目された時期のこと
・プランニングの言語の一つにSTRIPSがある
・探索木には「幅優先探索」「深さ優先探索」がある
大項目「人工知能を巡る動向」の第一次AIブームに関する単語は、まだ解説しきれていません。
なので、２記事に分けてお届けしようと思います。
次の内容も「人工知能を巡る動向」の第一次AIブーム！
覚える内容が多いですが、りけーこっとんも頑張ります！
ではまた～
続きは以下のページからどうぞ！
コメント