第２回ＡIビジネス創出アイデアコンテスト ～アイデア募集～

9月１５日
現在設定中のデスクトップは今後は母艦 = Linux Host computer（今後このUbuntuのデスクトップはIoT機器の設定やインストールに使うので母艦と呼ぶ方が理解しやすい？）とします。

母艦の設定は粛々と進めます。

早速ご提案があったので詳細を確認して、大阪商工会議所のアイデアコンテストで出来る事がないか調べています。

度々出てくるAI（人工知能）とは機械学習、深層学習（Deep leaning)等を含む総称に使われているようで曖昧な感じがあるので整理します。

人工知能と呼ばれる所以は機械で学習させて認識させる。これまでのコンピューターの記憶や計算から発展したものです。とはいえ結局は膨大なデータを計算して判断させているだけです。膨大なデータ＝ビックデータになります。ここでビックデーターとAIがつながりました。

例えると子供にレモンを覚えさせてレモンを認識させるようなものです。

これをコンピューターを使ってする場合、まず画面に映るレモンがどれかを学習させます。具体的には色々な背景、色々な形のレモンを学習させます。それぞれの条件で色々な角度から撮影したレモンをその部分を囲ってタグ（レモン）と一緒にコンピューターに覚えさせます。そうする事で学習に使用した画像以外の画像を新たにコンピューターに入力するとレモンと認識してテニスボールはレモンと認識しません。で青いレモンの画像を入力認識出来ない場合は青いレモンで学習させなかった為なので学習が不足している事になりますが、レモンの形や状況によっては認識する場合があります。それはコンピューターが学習の結果推論で判断しています。認識出来ない場合は学習が足らなかったか学習アルゴリズム不備だった事になります。その推論で重要な部分が重み（正誤の確率）黄色くはないがそれまで学習して来た形が極めてレモンに似ていると推論した？若しくはそれまで全て黄色いレモンだった為レモンではないと推論した。
この過程が深層学習（Deep leaning)と呼ばれています。また何千、何万枚の画像をコンピューターに学習させるので機械学習と言う事になり、深層学習（Deep leaning)と機械学習がAIと繋がったでしょうか？

この学習方法は脳の神経伝達の仕組みをコンピューターに応用しているのですが、条件を絞れば人より優れた結果を出すまでハードやソフトが進化しています。
下記イメージ

＊シグモイド関数のイラストは著作権の関係がはっきりしないので、
　自分でシミュレーション出来れば掲載します。

例えば

1. コンピューターが音声を聞いて言葉の意味を理解するには言葉の音声や文脈を学習して認識。
2. ロボットが立って歩く事を学習して移動する。
3. ビックデータから目的なあった学習をさせて異常や推論を導く

等々

で学習して認識させて何をさせるか若しくはするか？
今最大の問題は学習させるデータを作るのがアナログ作業でレモンの例で説明すると様々なレモンの画像を抽出する事が重要で同じ様な画像だと認識が悪くなる（過学習＝学習データと同じ様なものは認識するが新たなレモンの画像認識が悪くなる。）
ネットで出てくる画像は典型的な画像ばかりで過学習になる可能性が多い。google等はその為の子会社が学習データを用意するのですが、その地道な作業に膨大な時間が掛かっており今後はそこを自動化しようとしていますがどうなるか？
＊教師あり学習に限ります。（下記参照）
人工知能アルゴリズム

• 機械学習

1. 教師あり学習
2. 教師なし学習
3. 強化学習

• 最適化

詳細はおいおい。。。

次はフレームワーク(AIエンジンと思って頂ければと思います。）代表的なもの
TensorFlow(Google開発で世界人口が一番ですが中級以上）
Caffe(バークレイ大学）
Chainer（日本）
Keras
Pytorch(Facebook)
darknet(yolo)比較的新しく流行っている？
CNTK（マイクロソフト）

駆け足ですがこれでもAIとは何なのかの体系を説明しているだけです。本題はまだまだこれからです。

今設定している母艦はAIの為ですが、実装するまでもう少し時間が掛かります。
参加してみようと思うのは下記テーマが適当な感じがします。

第２回ＡIビジネス創出アイデアコンテスト
（２）応募テーマ
② テーマ提案部門
Ｂ：「ＡＩ活用ＩｏＴデバイスの活用方法」

で何か出来ないかを考えています。12月7日の提出に間に合うか。。。
この場合は強化学習の分野になることまでわかった。

では。。。