機械学習
文A 2言語
This article is an outline. It will be expanded only with confirmed details.
機械学習（Machine Learning）は、データから規則性やパターンを学習し、予測や分類などを行う計算手法の総称である。本百科事典では一般的な技術解説に加え、山崎康の学習・研究・開発との関係を記録する。
概要[編集]
従来のプログラムでは、人間が処理手順を明示的な規則として記述することが多い。これに対し機械学習では、多数のデータからモデルが規則性を推定する。
代表的な問題には回帰、分類、クラスタリング、生成、強化学習などがある。
近年の人工知能システムの多くは機械学習を基盤としており、画像認識、自然言語処理、推薦システム、音声認識など様々な領域で利用されている。
For the main biographical article, see 山崎 康.
山崎康との関係[編集]
山崎が機械学習を本格的に学び始めたのは広島市立大学への進学後である。
人工知能そのものには高校以前から興味を持っていたが、当時はAIを数理的・技術的に理解していたわけではなかった。
大学で初めて線形回帰などを学んだ際、比較的単純な数式によってデータの関係を推定できることに強い印象を受けたという。
学習を進める中で、機械学習が線形代数、微積分、確率統計など複数の数学分野と結びついていることにも興味を持つようになった。
学習[編集]
大学では機械学習に関連して、パターン認識、画像処理、ニューラルネットワーク、強化学習などを学習した。
画像認識ではOpenCVなどを使用した画像処理や物体検出を経験し、YOLOv5を利用した物体検出システムも制作した。
また、MNISTを対象としたGANの実装などを通して生成モデルにも触れた。
強化学習ではQ学習など、エージェントが環境との相互作用を通じて行動方針を学習する考え方を学んだ。
開発への応用[編集]
授業外でも機械学習を利用したシステム開発を行っている。
建物画像を入力し、そのデザインを数値的に評価するシステムでは、画像から得られる情報をAIによって処理し、利用者へ評価結果を提示する仕組みの開発に携わった。
また、競馬の結果を予測するAIを開発・販売した経験もある。
この経験から、モデルを作ること自体と、その予測を実際の意思決定に利用できることは同じではないと認識するようになったという。
特に「AI」という名称が利用者に過度な期待を生む場合があることは、その後AIシステムを考える際の経験の一つとなった。
構造データへの関心[編集]
その後の研究では、一般的な表形式のデータだけでなく、木やグラフのように要素同士の関係を持つデータへ関心を広げた。
学部では木構造データを扱い、大学院ではグラフニューラルネットワークなどを通してグラフ構造を学習する手法への展開を検討している。
