スポンサーリンク
AI

第3次AIブーム(機械学習・深層学習の時代)

機械学習、ディープラーニング(深層学習)の時代に突入。 昨今のAIによる恩恵の時代。 機械学習とは、プログラム自身が学習する仕組みであり、 その学習はサンプルデータが多いほど良い。 2000年以降はビッグデータと共に注目を浴びる。 (ビッグデータで大量のサンプルを集められるので相乗効果に期待)
AI

第2次AIブーム(知識の時代)その2 オントロジー

第2次AIブーム初期に於いてエキスパートシステムによるアプローチが実現された。 しかし、暗黙知の獲得、矛盾点調整の困難さからオントロジーの研究が注目を浴びる。 意味ネットワークとは以下の概念構造である。 概念をラベルが付いたノードで表現する。 概念間の関係を矢印で結んだネットワークとする。
AI

第2次AIブーム(知識の時代)その1 エキスパートシステム

第2次AIブームが始まり知識をどう扱うかが重要な時代に突入。 まずはエキスパートシステムというものが初期に登場する。 人工無能という言葉が登場する。 チャットボット、おしゃべりボットなどが例となる。 実際に会話の内容を理解しているわけではないが、知性を感じてしまう錯覚を生む。
スポンサーリンク
AI

第1次AIブーム(推論・探索の時代) その3 モンテカルロ法

前回のボードゲームの続きに位置付けられる話。 ボードゲームに勝利する際は探索木とそのルート上の点数が重要になってくるが、この点数付けは人間が実施している。 よって、点数を付けた人次第で結果が左右される状態とも言える。 それを解消するためにモンテカルロ法という手法を用い始めた。
AI

第1次AIブーム(推論・探索の時代) その3 ボードゲーム

AIはボードゲームでも利用される。 (オセロ、チェス、将棋、囲碁など) これらの実現手段の概要を記載する。 これも基本は探索木になる。 迷路の探索木に似ているが、「行動」と「結果」の連続した探索木となるが、局面が複雑化するタイプになると、それだけ膨大なツリーとなる。 探索木の規模は以下となる。
AI

第1次AIブーム(推論・探索の時代) その2 行動計画

前回に「推論・探索の時代」の続き。 行動計画、自動計画、プランニングという領域があるらしいので超簡単に調査&記載。 ロボットの行動計画も探索で実施可能。 特に古典プランニングの以下は「積み木の世界」を例とされることが多い。
AI

第1次AIブーム(推論・探索の時代) その1 探索木

前回、AIについて調べたが、もう少し詳細に部分を押さえたい。 まずは各ブーム(第1次、第2次、第3次)で追ってみる。 結果として各AIのレベルも一緒に把握できる 今回は第1次ブームの「推論・探索の時代」をフォーカスする。 しかし、最初の探索木だけでもまぁまぁボリュームなので、探索木だけに絞る。
AI

人工知能(AI)って何?

動機は凡そ以下。 ・自動車業界のADAS/ADの領域で必要な知識として問われる場面が多発。 ・流行りものなのでまずは簡単に調べてみよう。 ・具体的な手法等は一旦置いておいて、大雑把に把握しておきたい。 先に結論を書くと以下。 ・定義の話はあるようで、カッチリ決まっているわけでは無い。
gdb

gdbでSPILS その2

SPILSネタの続きです。 前回、SPILSでscilabからgdbに接続する構成を示しましたが、 以下の構成の方が一般的です。 もう一個別のgdbをgdbサーバーとして起動。 scilab直下のgdbからリモートデバッグする体で接続しています。
gdb

gdbでSPILS その1

gdbをISS(インタラクションセットシミュレータ)として利用した上で、scilabと連携する方法。
スポンサーリンク
タイトルとURLをコピーしました