※本記事はアフィリエイト広告を含んでいます
G検定｜人工知能を巡る動向｜mini-max法・ブルートフォースアタック・ヒューリスティックな知識などを分かりやすく解説
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。
本記事は前回の続きで「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。
使用されていたアルゴリズムから「推論・探索」の時代とも言われます。
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。
では、そんな第一次AIブームの中でどんなキーワードがあったのでしょうか。
ヒューリスティックな知識
いきなり難しいキーワードですね。
ヒューリスティクス(heuristics)とは英語で「経験則の」「試行錯誤的な」という意味です。
つまり、ヒューリスティックな知識とは「経験則の知識」「試行錯誤的な知識」ということになりますよね。
分かりやすく言うと「答えの精度はそう高くない（必ずしも正解を出せない）が、ある程度正しい答えを出せる知識のこと」です。
プログラミングやアルゴリズムの手法名になることもあるようですね。
mini-max法
mini-max法はボードゲームにおいて最善手を選ぶためのやり方のこと。
最善手を選ぶために「コスト(スコア)」を用いて「自分・相手共に最善手を打ち続ける」仮定の下
で、打ち手の探索数を減らすやり方です。
「自分・相手共に最善手を打ち続ける」とは、自分はスコアが最高、相手はスコアが最小になるような手を打つ、という意味のようですね。
このmini-max法の手法の1つとして、αβ法があります。
αβ法
αβ法とはmini-Max法の中で、無駄な探索をカットするための手法の1つ。
mini-max法では探索木のような形で、「コスト(スコア)」の値を比べながら行っていきます。
この木の数が膨大になると、その一つ一つを調べていたら、時間がかかってしまいますよね。
なるべく計算を早く、軽くしようとして開発されたものがαβ法です。
１．αカット
αカットとは、自分の打ち手番で相手のスコアの最高値をαとし、αより小さければ探索を打ち切る方法。
自分の「スコア」は最大値になるように選択されますよね。
相手の手番でどんな値が出ようが、結局自分の手番では最大値を選びます。
なので、ある地点で見つけた相手のスコアの最高値αより小さかったら、確実に選ばれないわけです。
「じゃあ、最高値が更新されなかったら探索やめても良くない？」
これがαカットです。
２．βカット
βカットとは、相手の手番で自分のスコアの最小値をβとし、βより小さければ探索を打ち切る方法。
相手の「スコア」は最小値になるように選択されますよね。
自分の手番でどんな値が出ようが、結局相手の手番では最小値を選びます。
なので、ある地点で見つけた自分のスコアの最小値βより小さかったら、確実に選ばれないわけです。
「じゃあ、最高値が更新されなかったら探索やめても良くない？」
これがβカットです。
αカットの完全に逆パターンですね。
ブルートフォースアタック
ブルートフォースアタックとは、IDやパスワードを解読する際に用いられる手法のこと。
総当たり攻撃とも言われますね。
IDやパスワードを解くために、全てのパターンを一つ一つ試していく、という力ずくの方法。
自力でやり出すとキリが無いですが、コンピュータにやらせてしまえばあっという間、というわけです。
アルファ碁(AlphaGo)
アルファ碁(AlphaGo)とは、2016年に登場した囲碁に特化したAIです。
コンピュータが人間に勝つのが、最も難しい分野の一つと考えられていた囲碁。
その分野において、人間に勝利を収めたことは衝撃的だったようです。
第一次AIブーム(1950年～1960年)と関係なくない？
と思われた方、鋭いです。
年代的には関係ないのですが、使われている技術(アルゴリズム)が第一次AIブームの時のものなんです。
なので、シラバスにも第一次AIブーム分野のものとして載せているのでしょう。
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ブームについての解説、第二弾でした。
本記事をまとめると以下の３つ。
・ヒューリスティックな知識は「ある程度正しい答えは出せるよね」という知識のこと
・mini-max法、アルファ碁のようにゲームに勝つための技術がある
・第一次AIブームの技術「推論」「探索」はアルファ碁の様に現在でも用いられる
以上が大項目「人工知能を巡る動向」の中の一つ第一次AIブームのないようでした。
第一次があるということは、第二次もあります。
AIブームは三度起きていて、今は第三次AIブームなんです。
なので、次の記事では第二次AIブームについて解説させて頂きます。
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