第1回y=ax+bから始める初心者向け機械学習講座：VRChat ML集会で学んだAIと機械学習の基礎

※以下文章はスライド資料を元に自動生成されたものです。

発表のハイライト

• AIとは何か、その定義と発展について解説。
• 機械学習の種類と、特にディープラーニングの基本であるニューラルネットワークについて解説。
• シンプルなモデル「y=ax+b」を使って、機械学習の基礎を理解。
• 機械学習の手順と、勾配法を用いたパラメータ更新を具体的に説明。

AIとは？その定義と発展

皆さんはAI（人工知能）についてどれくらい知っていますか？

AIは、あたかも人間のように振る舞うコンピューター、未知を予測するコンピューター、人工的に作られた知能や心を持つ機械など、様々な定義があります。しかし、Earl Klutzさんによると、AIの進化が非常に速いため、定義そのものが常に変化しているのが現状だそうです。

例えば、昔はインベーダーゲームの敵もAIと呼ばれていたとか！

では、AIを定義するならば、どういったものになるのでしょうか？

Earl Klutzさんは、東京大学の松尾 豊教授の言葉を引用し、「人工的につくられた人間のような知能、ないしはそれをつくる技術」と説明しています。

つまり、人間っぽい動きをする人工物であれば、AIと呼んで差し支えないということですね！

AIを実現する技術：機械学習の種類

AIを実現する技術には、大きく分けて4つのレベルがあります。

レベル1：シンプルな制御プログラム

エアコンや洗濯機など、センサーなどを用いた単純な動作を行うプログラムです。

レベル2：古典的な人工知能

ゲームのAIや掃除ロボットなど、学習はしないものの、ある程度の複雑な動きをするプログラムです。

レベル3：機械学習を用いた人工知能

通販サイトの商品のおすすめ機能や迷惑メール判定など、処理の中で学習機能を持つプログラムです。

レベル4：ディープラーニングを用いた人工知能

SiriやChatGPT、Stable Diffusionなど、より高度な処理を行うプログラムです。

今回のEarl Klutzさんの講座では、このレベル4のディープラーニングに焦点を当てています。ディープラーニングは、機械学習の1分野であり、ニューラルネットワークを多層に重ねることで、より複雑な処理を実現する技術です。

ディープラーニングの基本：ニューラルネットワーク

ディープラーニングの基本は、ニューラルネットワークと呼ばれる仕組みです。ニューラルネットワークは、人間の脳の神経細胞（ニューロン）を模倣したモデルです。

ニューラルネットワークは、入力層、中間層（隠れ層）、出力層から構成されています。入力層は、データを受け取る部分、出力層は、結果を出力する部分、そして中間層は、入力層から受け取ったデータを処理し、出力層に渡す部分です。

中間層を複数重ねることで、より複雑な処理が可能になるのが、ディープラーニングの特徴です。

y=ax+bで学ぶ機械学習の基礎

ニューラルネットワークは複雑な仕組みですが、最も単純なニューラルネットワークは、実は皆さんが中学校で習った「y=ax+b」で表すことができます。

Earl Klutzさんは、このシンプルなモデルを使って、機械学習の基礎を分かりやすく解説してくれました。

例えば、気温とアイスクリームの売上の関係を予測するモデルを考えてみましょう。

気温がx、売上がyだとすると、y=ax+bという式で表すことができます。この場合、aとbはそれぞれ、気温の変化に対する売上の変化の割合と、気温が0度の時の売上の値を表します。

機械学習では、aとbの値をデータから学習し、気温から売上の予測を行うようにします。

機械学習の手順とパラメータ更新

機械学習は、以下の手順で学習を行います。

1. 入力データから機械学習アルゴリズムを使用して予測値を計算する。
2. 予測値と正解値の間の誤差を計算する。
3. 誤差を基に、勾配法を用いてパラメータ（aやbなど）を更新する。
4. 1〜3を繰り返す。

Earl Klutzさんは、この手順を「y=ax+b」のモデルを使って、実際に手動で計算する方法を解説してくれました。

特に、パラメータの更新には勾配法という手法を用います。勾配法とは、誤差関数の傾き（微分値）を計算し、その傾きを参考にパラメータを更新していく手法です。

Earl Klutzさんは、誤差関数のグラフと、パラメータの更新の関係を図で示しながら、非常に分かりやすく説明してくれました。

まとめ

今回のEarl Klutzさんの発表では、AI、機械学習、そしてディープラーニングの基本的な概念を、非常に分かりやすく解説していただきました。「y=ax+b」というシンプルなモデルを例に、機械学習の基礎を学ぶことができ、大変有益な内容でした。

機械学習は、近年注目を集めている技術であり、今後ますます重要になっていくでしょう。今回の発表をきっかけに、機械学習についてさらに深く学んでみてはいかがでしょうか？

スライド資料へのリンク

ML集会の他の発表もチェック！