機械学習とは何ですか?

機械学習は、静的テクノロジを使用して、データ、なしでコンピュータ システムに「学習」する機能を提供するコンピュータ サイエンスの分野です。 は明示的にプログラムされています。

つまり、「ML はデータから学ぶことがすべてです」

明示的プログラミングとは、各シナリオのコードを記述してその状況に対処することを意味します。

機械学習では、シナリオごとに明示的なコードを記述する代わりに、データからパターンを学習するようにモデルをトレーニングし、予測または目に見えない状況に対する決断。

したがって、input と output を指定しますが、それぞれの場合にコードを記述するわけではありません。 ML アルゴリズムはそれらを自動的に処理します。

簡単な例では次を使用できます:

合計関数:

明示的プログラミングでは、2 つの数値を加算するために、その場合にのみ機能する特定のコードを記述します。このコードは、変更せずに 5 または N の数値を追加する場合には機能しません。

対照的に、ML を使用すると、各行に異なる数値とその合計が含まれる Excel ファイルを提供できます。 ML アルゴリズムはこのデータセットでトレーニングするにつれて、加算のパターンを学習します。将来的には、2、10、または N の数値が与えられた場合、シナリオごとに特定のコードを必要とせずに、学習したパターンに基づいて加算を実行できるようになります。

どこで ML を使用していますか?

• 電子メールスパム分類子:

明示的プログラミングでは、「キーワードが 3 回以上出現するとスパムとしてフラグが立てられる」などの複数の if-else 条件を書きました。たとえば、「Huge」という単語が 3 回使用されると、スパムとしてマークされます。

さて、広告会社がスパムを検出するためにこのようなアルゴリズムがあることに気づいたと想像してください。そのため、「Huge」を 3 回繰り返す代わりに、「Huge」、「Massive」、「Big」などの同義語を使用します。この場合、元のルールは機能しません。解決策は何でしょうか?以前のアルゴリズムを再度変更する必要がありますか?何回できるでしょうか?

ML では、モデルは提供されたデータから学習し、そのデータに基づいてアルゴリズムを自動的に作成します。データが変化すると、それに応じてアルゴリズムが調整されます。アルゴリズムを手動で変更する必要はありません。新しいデータに基づいて必要に応じて自動的に更新されます。

• 画像分類:

画像分類のための明示的プログラミングでは、犬の形状、サイズ、毛皮の色、尻尾などの特徴を識別するためのルールを手動で記述する必要があります。これらのルールは特定の画像に対してのみ機能し、すべての犬種にうまく一般化できるわけではありません。新しい品種やバリエーションに遭遇した場合は、それぞれに新しいルールを追加する必要があります。

ML では、特定のルールを記述する代わりに、品種ごとにラベル付けされた犬の画像の大規模なデータセットをモデルに提供します。次にモデルは、さまざまな品種に共通する特徴などのパターンをデータから学習し、その学習した知識を使用して、たとえその正確な品種を以前に見たことがなくても、新しい犬の画像を分類します。アルゴリズムはデータの変動に自動的に適応します。

また、ML には何千もの用途があります。不思議に思うかもしれませんが、
なぜ 2010 年以前は機械学習がそれほど普及していなかったのでしょうか?

• ハードドライブ不足のため、ストレージ容量が限られており、大量のデータを保存することが困難でした。
• 機械学習モデルを効果的にトレーニングするために十分なデータがありませんでした。
• 非強力な GPU やプロセッサなどのハードウェア制限により、複雑なアルゴリズムを効率的に実行する能力が制限されていました。

現在、私たちは毎日何百万ものデータポイントを生成しています。この膨大な量のデータを使用することで、ML モデルはより正確かつ効率的になり、複雑な問題を解決できるようになりました。ヘルスケア、金融、テクノロジーなどのさまざまな分野にわたってパターンを学習し、予測し、タスクを自動化することで、意思決定を改善し、イノベーションを推進できます。

最後までお読みいただきありがとうございます。