第4回の教材 (3)   人工知能( AI = Artificial Intelligence )
人工知能の略歴
- 1960年~1974年頃:第1次 AI ブーム
- プログラムに組み込まれたルールを元に推論・探索を行う。
- 簡単な Toy Problem ( おもちゃの問題 ) しか解けない。
- 1980~1987年頃:第2次 AI ブーム
- 専門的知識をルールとして追加してゆける「エキスパートシステム」が開発され、AI が実用的になる。
(ルールの追加作業は人間がやる)
- 2006年~:第3次 AI ブーム
- 機械学習・深層学習によって AI が自ら知識を獲得できるようになった。
機械学習と深層学習の違い
どちらも、沢山の学習データを与えると AI がルールを獲得するが、
- 単なる機械学習:
- 「特徴量」の設定は人間が行わなければならず、しかも調整が難しい。
- 深層学習 ( Deep Learning ):
機械学習・深層学習も万能ではない
- 機械学習の欠点
- 深層学習の欠点
- どちらも
- 大量の学習データと大量の学習時間が必要
- 「ブラックボックス化」されていて判断の根拠が人間にはわからない
⇒ AI システムには性能評価が必要。
AI システムの性能評価指標
真/偽 を判定する場合
- 正解率 ... 判定の何%が正解であったか
- 再現率 ... 本当は真であるケースの、何%を真と判定できたか
- 適合率(= 精度)... 真と判定した中で、何%が正解であったか
例えばコロナ診断 AI システムがあったとして
- 再現率は高いが適合率が低い
⇒ 陽性者を高確率で発見できるが、陰性者も陽性と判定しまう確率が高い
- 再現率は低いが適合率が高い
⇒ 陰性者を陽性と誤判定することは少ないが、陽性の人を見逃す確率が高い
状況によって、重視すべき指標を考える必要があります。