AI・機械学習・ディープラーニング

DeepMindの記事見て触発された

投稿日:

http://gigazine.net/news/20141203-deepmind-demis-hassabis/

Googleに買収されて有名になっていたDeepMindの創業者の記事を読んだ。

元チェスプレイヤーであった彼がどのようにAIに進んだか。
「脳はどのようにして複雑なタスクを学習するのだろう?」「コンピューターは脳と同じことをできるだろうか?」という疑問を抱き、チェスの道からコンピュータ学習・人工知能研究への道に転向しました。

思ったのは、思考の規模が大きい、抽象度が高い。高い抽象度で物事を考えているから、人にとって魅力的に映る。

その高い抽象度で物事を考え、それを実現するための手段としてのコンピューターである。

一方、自分が考えてるのはどうやってAIで金儲けできるだろうか?どうすれば有名企業のAIエンジニアになれるだろうか?ということ。思考の抽象度が低い。
「脳はどのようにして複雑なタスクを学習するのだろう?」「コンピューターは脳と同じことをできるだろうか?」

このような問いが発せられた時点で、もう自分とは大差がついてるな。

反省です。

AIによるビジネスプロセスの改善。うん、困ってる企業を助ければお金にはなるんだろうけど、正直、業務システムのエンジニアと大差ない。

金儲けは一旦忘れて、「何をしたいか?なぜAIなのか?」を学習する前から磨いた方が良い。

それが豊かさの源泉になる。

抽象度の高いアイデアに、投資はついてくる。

ほんまにできるんそれ?

というくらい、大きい概念、アイデアである方が良いだろう。

-AI・機械学習・ディープラーニング

執筆者:


comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

no image

ディープラーニングは機械自体か学習する仕組みがキモ

ディープラーニングの入門書を読んで思うのが、エンジニアが押さえるべきは、機械自体が学習する仕組みを押さえることです。 ディープラーニング オートエンコーダー(自己符号化) 入力と出力の値が同じになるよ …

no image

岡谷貴之「深層学習」に挫折したらオライリー「ゼロから作るDeep Learning」

ディープラーニング協会のG検定の推奨書籍である、「深層学習」を読み始めた。 いきなりこれ読んでたら、確実に挫折して、「AI研究なんて、大学院レベルの人がやること…」となっていただろう。 幸い自分は1冊 …

no image

誤差逆伝播法が必要な理由

ディープラーニングの勉強してると、誤差逆伝播法が必ず出てくるんだけど、イマイチなぜ?それが必要なのか分からなかった。 理由 ニューラルネットの層が深くなると、勾配の計算に時間がかかる。 誤差逆伝播法だ …

no image

何を学習するか?考えると、データがないと始まらない。

さて、Amazon Machine Learningを使ってみた。もっと他にも試してみたいなと思った。 そこで思った。 まず「大量データ」を準備するのが大変だ。 「データ」を使って何を予測すればよいか …

no image

いちばんやさしい機械学習プロジェクトの教本

この本はAIプロジェクトのプロマネ、コンサルは必携の本。 エンジニアもAI案件に携わるなら、全工程を見通すために役に立ちます。 各工程でのポイントがよくまとめられているため、具体的な AIで起業する場 …