機械学習を理解する
機械学習は、AI ソリューションの基盤となるものです。 1950 年代以降、"データ サイエンティスト" と呼ばれる研究者は、AI へのさまざまなアプローチに取り組んできました。 AI の最新のアプリケーションのほとんどは、コンピューター サイエンスと数学を組み合わせた AI の一分野である機械学習に起源を持っています。
まず、困難な問題を解決するために機械学習をどのように使用できるかを示す実例を見てみることにしましょう。
持続可能な農業技術は、壊れやすい環境を保護しながら、食糧生産を最大化するために不可欠です。 オーストラリアに本拠地を置く農業テクノロジ会社である The Yield は、センサー、データ、機械学習を利用して、農業従事者が気象、土壌、植物の条件に関する情報に基づいて意思決定を行えるように支援しています。
詳細については、次のビデオをご覧ください。
機械学習のしくみ
では、コンピューターはどのように学習するのでしょうか?
答えは、データからです。 今日の世界では、日常生活の中で膨大な量のデータが作成されています。 送信されるテキスト メッセージ、メール、ソーシャル メディアの投稿から、携帯電話で撮影される写真や動画に至るまで、膨大な量の情報が生成されています。 自宅、車、都市、公共交通機関、工場に存在する何百万ものセンサーによって、さらに多くのデータが作成されています。
データ サイエンティストは、そのデータをすべて使用して、データ内で検出した関係に基づいて予測や推論を行うことができるように機械学習モデルをトレーニングすることができます。
機械学習モデルは、データ間の関係をキャプチャしようとします。 たとえば、ある環境保護団体が、ボランティアに対して、電話アプリを使用して野生の花のさまざまな種を識別してカタログを作成するように依頼したとしましょう。 次のアニメーションは、機械学習を使用してこのシナリオを実現する方法を示しています。
- 植物学者と科学者のチームは、ワイルドフラワー サンプルに関するデータを収集します。
- チームはサンプルに正しい種のラベルを付けます。
- ラベル付けされたデータは、サンプルとラベル付けされた種の特徴量の関係を検出するアルゴリズムを使用して処理されます。
- アルゴリズムの結果は、モデルにカプセル化されます。
- ボランティアが新しいサンプルを見つけた場合、そのモデルで正しい種のラベルを識別できます。
AI へのアプローチは進歩し、より複雑なタスクを完了できるようになりました。 これらの複雑なモデルが、AI 機能の基礎を形成しています。
Microsoft Azure の機械学習
Microsoft Azure では、機械学習モデルを作成、管理、公開するためのクラウドベースのプラットフォームである Azure Machine Learning サービスを提供します。 Azure Machine Learning Studio には、次のような複数の作成エクスペリエンスが用意されています。
- 自動機械学習: この機能により、専門家以外の人でも、データから効果的な機械学習モデルをすばやく作成できます。
- Azure Machine Learning デザイナー: 機械学習ソリューションのコードなし開発を可能にするグラフィカル インターフェイス。
- データ メトリックの視覚化: 視覚化を使用して実験を分析および最適化します。
- Notebook: スタジオに直接統合されているマネージド Jupyter Notebook サーバーで独自のコードを記述して実行します。