人工知能、特に最近発展が目覚ましい機械学習について概観する。
そして、我々の生活における人工知能の活用や人間知能との関係についても見る。
人工知能
機械学習
ニューラルネットワーク
機械学習
過去の例と同じ例にしか対応できない場合は学習ではない
コンピューターに限らず人間も見たものだけに対応するということではなく
一般化した概念を獲得するということが学習の基本的な重要なポイント
アーサー・サミュエル
チェッカーゲーム 1950年代 人間に勝つようなものプログラムを作っていた
「将来的にコンピューターが経験から自ら学習するようにプログラムできれば、詳細なプログラムをもはやも人間が作る必要性はなくなる」
トム・ミッチェル
「学習は経験を通してあるタスクのパフォーマンスが上がること」
学習するには、
対象概念の共通属性や法則を見出し、
他の概念との境界線を明らかにする
できる限り多くの事例、データを与える
機会学習を利用すると、次のことが可能になるとされる
・予測に使われる
・発見に使われる
（2）機会学習における「教師あり」「教師なし」
教師あり機械学習
人間が分類したデータをその分類ラベルと共に提示し
コンピューターに分析してもらう学習してもらう
教師なし機械学習
正解が設定されていないデータを入力して人工知能に学習させる
強化学習
教師と教師なしのあの中間にあたるようなアプローチ
評価手法を定義して教師なしで行う機械学習
2.ビッグデータと人間の活動
（1）機械学習と単純作業
3.人工知能を利用する倫理と教育
（1）人間可読性と機械可読性の関連の両立とジレンマ
（2）教師アリ学習への不安
1.情報セキュリティの観点（好ましくないデータを与えられても学ばないよう対策）
2.情報倫理の観点（このましくない教師データを与えない）
3.リスクマネジメントの観点（好ましくない教師データによっておかしな判断をしていることに人間が気づけるようにしておくこと、電源管理だけは人間が完全に制御できるように）
4.ニューラルネットワークによる分類課題の学習
(1)パーセプトロン
（2）単層パーセプトロンの限界
（3）多層ニューラルネットワークによる学習
（4）多層化への展開 ディープニューラルネットワーク
畳み込み層
ブーリング層
画像処理に限らず、音声処理、自然言語処理など、人間や生物の知能に関わる能力を左右するのは、判断基準となる特徴を見出すこと。
昨今のニューラルネットワークでは注目すべき特徴を自ら見出し学習する。現在の人工知能ブームの本質的な意義。
