【Coursera】「AI For Everyone(全ての人のためのAI) Week 1」〜AIの得意・不得意を学びたい〜
ニュースや情報誌でAIに関するニュースをよく目にしますよね？
昨今、よく耳にするAIですが、AIの得意、不得意が何であるか説明できないことに気づき、「Coursera(コーセラ)」で「AI For Everyone(全ての人のためのAI)」を受講することにしました。
「Coursera」はオンライン講義サービス(MOOC: Massive Open Online Course)の一つであり、かの有名な「スタンフォード大学」が提供しているサービスです。
修了証を貰う場合は有料ですが、 講義動画の視聴だけであれば、無料で受講可能です。
講師
アンドリュー・エン（Andrew Ng）氏です。
人工知能研究の第一人者であり、Google Brainの共同設立者、 Baiduの元副社長兼チーフサイエンティスト、スタンフォード大学の教授という凄い経歴の持ち主です。
講義の概要
「Week 1 What is AI?」では、以下の内容が、2時間程度で学べます。
- AIと機械学習、データサイエンス、ディープラーニング(Deep Learning)の関係性
- AIの得意・不得意
講義の内訳
講義の内訳は以下の通りです。
■Week 1 Introduction
- AIの分類
ANI(artificial narrow intelligence)：現在の技術レベルにおけるAI。スマートスピーカー等。
AGI(artificial general intelligence)：「人間ができること」が全てできるAI。現在はまだこの技術レベルに至っていない。 - 「AI For Everyone」では、ANIを中心に取り上げる。
■machine learning
- machine learning （機械学習）の概要説明。
- Supervised learning（教師あり学習）の説明として、インプットデータからアウトプットを導出する方法を説明。
- アウトプットの精度を高めるためには、大量のデータ（big data)とハイスペックなコンピュータが必要。
■what is data?
- 機械学習を行う上で欠かせない、データについて説明。
- 有用なデータは業種、会社によって異なるため、何が有用なデータかを見極めることが重要。
■The terminology of AI?
- AI、Machine Learning（機械学習）、Neural network、Deep Learning（ディープラーニング）、Data Science（データサイエンス）の用語の意味、関係性について説明。
■What makes an AI company?
- 企業が、「AI company」となるために必要なステップを説明。
■What machine learning can and cannot do
- AIの得意、不得意について説明。
得意なこと：教師あり学習を行うための大量のデータがある。結果を導出するための概念がシンプル。
不得意なこと：教師あり学習を行うための大量のデータがない。インプットデータの形式がバラバラだったり、統一感がない。 - AIに仕事をさせるために必要な条件を説明。
- 実例として、「小売業における客からの返金要求への対応」や「自動運転車」、「X線診断」を説明。
■Non-technical explanation of deep learning
- 需要予測、顔認識の例を基に、ディープラーニングによる判定方法を説明。
どういう人におすすめか
「AIは万能、何でもできる！」と思ってしまっている人に対して、「AIでできることは限られているよ！」と気づかせてくれる良い授業だと思います。
「Andrew Ng」氏の説明はとても分かりやすいため、是非動画を見てみてください。
