AI、データサイエンス ディープラーニング概要
前回までは、AIの歴史やディープラーニングのブレイクスルー前の話が主だった。
今回からディープラーニングの話に突入。
ディープラーニングの基本構造の由来はニューラルネットワーク。
ニューラルネットワーク自体は隠れ層を持つことで非線形分類ができるようになったもの。
単純パーセプトロンと比べると複雑なことができるとはいえる
ディープラーニング
AI、データサイエンス 
AI、データサイエンス 人工知能の問題点 その2
前回の続き。
ただし、今回の問題点はディープラーニングにより解決されているものも含まれる。
知識獲得のボトルネック
特徴量設計の問題
シンギュラリティ(技術的特異点)
機械翻訳の歴史は以下となる。
1970年代後半：ルールベース機械翻訳
1990年代以降：統計的機械翻訳
コンピュータが「意味」を理解しているため、
AI、データサイエンス 第3次AIブーム(機械学習・深層学習の時代)
機械学習、ディープラーニング(深層学習)の時代に突入。
昨今のAIによる恩恵の時代。
機械学習とは、プログラム自身が学習する仕組みであり、
その学習はサンプルデータが多いほど良い。
2000年以降はビッグデータと共に注目を浴びる。
(ビッグデータで大量のサンプルを集められるので相乗効果に期待)
AI、データサイエンス 人工知能(AI)って何？
動機は凡そ以下。
・自動車業界のADAS/ADの領域で必要な知識として問われる場面が多発。
・流行りものなのでまずは簡単に調べてみよう。
・具体的な手法等は一旦置いておいて、大雑把に把握しておきたい。
先に結論を書くと以下。
・定義の話はあるようで、カッチリ決まっているわけでは無い。