第2回 y=ax+bから始める初心者向けML講座 - VRChat ML集会 発表内容まとめ
詳細情報
※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
- VRChatのML集会でEarl Klutzさんが発表した「第2回 y=ax+bから始める初心者向けML講座」の内容をまとめます。
- 今回は「ニューラルネットワークの基礎」と「パーセプトロンの限界」を、Googleが提供する学習用ツール「A Neural Network Playground」を使って解説しました。
- 「A Neural Network Playground」を使うことで、ニューラルネットワークの仕組みを実際に体感し、直感的に理解することができます。
- 機械学習の学習手順は、シンプルに「予測値と正解値の誤差を小さくする」という考え方で、ニューラルネットワークの基本は「y=ax+b」の機械学習であることを理解しました。
- パーセプトロンは直線的な判断しかできないため、複雑な判断には限界があることを確認しました。
ニューラルネットワークの基礎
AIの技術分類
AIの技術は、レベル1からレベル4まで大きく4つに分類できます。
- レベル1: シンプルな制御プログラム
- 例: エアコン、洗濯機など
- レベル2: 古典的な人工知能
- 例: ゲームのAI、お掃除ロボットなど
- レベル3: 機械学習を用いた人工知能
- 例: 通販サイトのおすすめ商品、迷惑メール判定など
- レベル4: ディープラーニングを用いた人工知能
- 例: Siri、ChatGTP、stable diffusionなど
ディープなニューラルネットワーク(NN)
レベル4のAIでは、ディープラーニングを用いたニューラルネットワーク(NN)が主流となっています。
- ニューラルネットワークは、入力層、隠れ層、出力層から構成されています。
- 各層は、複数のノードで構成され、ノード同士は重み(W)とバイアス(b)で繋がっています。
- 入力層は、データを入力する層です。
- 隠れ層は、入力層から受け取った情報を処理する層です。
- 出力層は、隠れ層で処理された情報を、最終的に出力する層です。
機械学習の学習手順
ニューラルネットワークでは、重み(W)とバイアス(b)を調整することで、予測精度を高めていきます。
- 入力データから予測値を計算します。
- 予測値と正解値の誤差を計算します。
- 誤差を小さくするために、重み(W)とバイアス(b)を調整します。
ニューラルネットワークとパーセプトロンの違い
ニューラルネットワークは、パーセプトロンよりも複雑な判断が可能です。
- パーセプトロンは、直線的な判断しかできません。
- ニューラルネットワークは、複数の層を持つことで、複雑な判断も可能になります。
A Neural Network Playgroundで体感する
A Neural Network Playgroundとは
Googleが提供する「A Neural Network Playground」は、ブラウザ上でニューラルネットワークの仕組みを体感できる学習ツールです。
- データセットを選択し、層の数やノード数を変更することで、様々なニューラルネットワークを構築できます。
- 学習過程を可視化することで、ニューラルネットワークの学習方法を理解することができます。
「A Neural Network Playground」の使い方
- データの準備: データセットを選択し、入力データとして使いたい特徴を指定します。
- 問題種別: 分類問題か回帰問題かを選択します。
- 前処理: 訓練データの割合やノイズを調整します。
- 手法: 隠れ層の数とノード数を指定し、活性化関数を設定します。
- 学習方法: 損失関数や最適化方法を選択します。
- 学習: 学習を開始します。
パーセプトロンの限界
隠れ層0、ノード1個のパーセプトロンでは、直線的な判断しかできません。
- 複雑なデータセットでは、正しく分類することができません。
ニューラルネットワークの組み合わせ方
隠れ層1、ノード3個のニューラルネットワークでは、複雑なデータセットでも、ある程度の精度で分類できるようになります。
- 層の数やノード数を増やすことで、より複雑な判断が可能になります。
まとめ
- ニューラルネットワークの層やノードを増やすほど、複雑な判断に対応できます。
- しかし、その分学習コストは高くなります。
- ニューラルネットワークは、「y=ax+b」と活性化関数を組み合わせて作られていると言えます。
- 「A Neural Network Playground」は、ニューラルネットワークの仕組みを理解するのに役立ちます。
次回予告
次回は、タスク別の活性化関数と損失関数、ニューラルネットワークの組み合わせ方について解説します。
スライドのリンク: https://data.vrc-ta-hub.com/slide/No_2_ML_course_for_beginners_starting_from_yaxb.pdf