第一回AI勉強会（ューラルネットワークの基礎） | 株式会社オントロジ

テーマは、「ニューラルネットワークの基礎」でした。

そこで、”機械学習”についてネットや本屋さんに立ち寄るとAIに関する書籍や記事が豊富なことに驚きと発見があり、なかでも動くプログラムの掲載には重宝します。これをトレースすることによりだれでもAIの体験ができる環境にあるからです。

ただ、私のなかでは、“なぜ機械が学習できるのか”が上手く理解できずにいました、その後、ネットを放浪するなかで素敵な記事を見つけました。

ニューラルネットワーク
https://ml4a.github.io/ml4a/jp/neural_networ

この記事の引用です。
「解析機関の研究には、無生物の機関ではなく人間の脳を通じて数学的処理をすることが必要とされることでしょう。そして演算に関する論理的思考も、科学の根本的でありながら独立し明確に定義された分野として全く同様に必要とされることでしょう。」
エイダ・ラヴレス：分析機関概要（1843）

今日、話題の自動運転に必要な車の目として「一般物体認識、物体検出、境界認識、シーン認識、行動予測」などのキーテクノロジが必要とされ、これらの技術の発端が偉大な歴的人物（チャールズ・バベッジ、エイダ・ラヴレス）の手によって支えられている事に感動を覚えました。

そして、こんな想いを胸に“第一回目のAI勉強会”に参加、

• 人口のパーセプトロン／ニューラルネットワークの構造は、脳の神経細胞（ニューロン）がお手本。
• パーセプトロンは、「入力、重み、活性化関数、バイアス」の関数で表現。
• ニューラルネットワークは入力層、中間層、出力層から成り立ち損失関数、最適化問題を勾配降下法などで解く枠組みで構成される。
• 機械学習の教師あり学習では、訓練データに対する正解（教師信号）の誤差を小さくするための重みとバイアスを求める最適化問題と解釈できる。
• 最適化問題は、回帰分析、最小二乗法などを例に紐解くと分かりやすい。
• 勾配降下法を実用的な計算方法として”誤差逆伝播”が考えだされた。
  「1986年にbackwards propagation of errors（後方への誤差伝播）の略からデビッド・ラメルハートらによって命名された」

などの内容で勉強会が進み、勉強会を通し私なりの“なぜ機械が学習できるのか”について理解できたような気がします。