ディープラーニングにより

インターネットが欠かせなくなった現在

インターネットに繋がって様々なことができます
そういうことができるのがNNの特徴です。

マッチ箱で作るNN

体験するNN先ほどは、マッチ箱でGAの簡単な実験をしてみました。そこで今度は、マッチ箱を使って、NNの簡単な学習方法を体験していただきたいと思います。
このシミュレーションでは、セル君が受け渡しする電気信号の量をマッチ棒で表します。実際に自分の手でマッチ棒を動かしていきますから、入力、出力に信号がどう伝わっていくのか、伝わる量がどのようなルールで修正されていくかなどが、文章を読むだけよりずっとわかりやすくなるはずです。

IoT化が進むにつれて
·マッチ箱を用意してくださいというわけで、NNのモデルをマッチ箱とマッチ棒で作ろうというのが、この章の目的です。
NNの章では、セルB~D君からセルA君に送られる電気信号の量をどうやって調整するかについては具体的には述べていませんが、マッチ棒のやりとりから、そのあたりのことを説明できるかと思います。
では、マッチ箱を用意してください。
マッチ箱は4箱、マッチ棒は200本くらい用意してください。
この4箱のマッチ箱がセレA~D君となります。
構造は、前章で説明したモデしかし、旅行に持っていけるお菓子の総額は500円までと決まっています。

Watsonを利用して

を持っていけばいいでしょうか?
ということは、どう考えても、すべてのお菓子を買って持っていくわけにはいきません。
どれとどれそこで、買い物アドバイザーNNの登場です。買い物アドバイザーNNには、「これもこれも買いたいんだけど、「制限額を超えています、この買い物は違反です」のいずれかの判断をしてくれるという機能を持たせます。
大丈夫かな?」
と聞くと「規則内です、問題ありません」
かさて、お菓子の種類は3種類、つまり買い方の場合分けは8種類しかありませんし、判断材料は、買ったお菓子の合計額が500円以内かどうかですから、とても簡単な計算です。

ロボット工学三原則の適用は有効となるでしょうかロボットが勉強するさてですから、この例の買い物に「確かに、そんな買い物アドバイザーNNがいたら、とても便利」だと思う人がいたら、そちらの方が問題あるかもしれません。
まあ、あまり実用的ではないアドバイザーですが、この章では自分で学習していくシステムを理解してもらうのが目的ですから、この程度のモデルでいいでしょう。
原理的には、このNNは、もっとたくさんの種類の商品があり条件も複雑で、ちょっとの暗算では不可能な、場合によっては、計算式を立てられないような複雑な買い物でもうまくアドバイスしてくれるはずです。

IoT時代になると身の回りにあるあらゆる

ただし、複雑な問題の場合、マッチ箱で作った買い物アドバイザーNNに任せるとなると、とんでもない数のマッチ箱とマッチ棒を持ち歩くことになります。そしてそのマッチ棒の調整にもかなりの根気と忍耐と時間が必要になります。ですから、そのような場合には、ノートブック型のパソコン上で動くNNにするべきです。なんて、まじめに答える必要もないですね。
模範解答を作りましょうということで、お菓子の種類が3つしかないので、買い方のバリエーションも8通りしかないですから、その買い方が正しいかどうかの判断も簡単です。

人工知能では長期記憶を保持できるようなりました

結論から言うと、全部のお菓子を買う<合計=600円>、お菓子1+お菓子2を買う<合計=530円>、この2つの買い方がNGとなります。8通りしかないのですべての場合を調べるにしても簡単です。
すべての買い方のバリエーションが規則に合っているかどうかは、以下のようになります。

      コンピュータは人間の指示に従って動作するところ
      コンピュータも処理を不断におこなっている
      IoTの可能性を踏まえて


ロボットが勉強するさて AIが学習し合否の判定をする AIが学習し合否の判定をする