カテゴリー APMG-International

説明
正確さが要求される単調な反復作業は、機械に最も適している。機械は、データ入力や画像認識など、創造性をほとんど必要としない作業を正確かつ迅速に行うことができる。
なぜなら、機械は大量のデータを迅速かつ正確に処理でき、人間よりもミスを犯しにくいからだ。さらに、機械は飽きたり気が散ったりすることなく大量のデータを処理できるため、一貫した正確さが求められる業務に最適です。詳細については、BCS Foundation Certificate In Artificial Intelligence Study Guideまたは上記のリソースをご覧ください。
検索結果BCS Foundation Certificate in Artificial Intelligence Study Guide, Chapter 4: 機械学習: https://www.bcs.org/category/19669

説明
https://en.wikipedia.org/wiki/Robot#:~:text=Arobotisamachine,controlmaybeem コンピュータとは、複雑な一連の作業を自動的に実行できる機械と定義される。コンピューターは、人工知能（AI）、ロボット工学、生産ライン、自律走行車など、さまざまな用途で使用されている。コンピュータが複雑なタスクを実行できるのは、大量のデータを迅速かつ正確に処理できる能力のおかげである。
詳細については、BCS Foundation Certificate in Artificial Intelligence Study Guide: https://www.bcs.org/category/18076/bcs-foundation-certificate-in-artificial-intelligence-study-guide。

説明
機械ベースのシステムの主な利点のひとつは、単調で反復的な作業を確実かつ正確にこなす能力である。これは、データ入力や分析など、高い精度と正確さが要求される作業に特に有効である。また、機械ベースのシステムは大量のデータを迅速に処理することができるため、人間よりも迅速かつ効率的にタスクを完了することができる。さらに、機械ベースのシステムは、入力データに基づいて特定の意思決定や行動を取るようにプログラムすることができるため、人間の介入を必要とせずに特定のプロセスを自動化することができる。参考文献
* BCS Foundation Certificate In Artificial Intelligence Study Guide (2019), AI Systems, Chapter 8.
* https://www.apmg-international.com/en/al-adoption/advantages-of-al/

説明
https://link.springer.com/referenceworkentry/10.1007/978-0-387-73003-5_293#:~:text=Definition,andcomb データの異なる部分集合、または仮説の異なる組み合わせを選択し、それぞれの予測結果を組み合わせて、より正確な単一の結果を作成する。これは、データの異なる部分において異なる仮説が正確である場合や、単一の仮説がすべての場合において正確でない場合に有効である。アンサンブル学習は、コンピュータ・ビジョンから自然言語処理まで、さまざまなアプリケーションで使用されている。
参考文献[1] BCS Foundation Certificate In Artificial Intelligence Study Guide, BCS [2] Apmg-international.com, "What is Ensemble Learning?", APMG International, https://apmg-international.com/en/about-apmg/blog/what-is-ensemble-learning/ [3] Exin.com、
「アンサンブル学習」、EXIN、https://www.exin.com/en-us/learn/ensemble-learning

説明
最小2乗回帰は、データ・セットに曲線をフィッティングするのに使われる統計手法である。これは、観察されたデータとフィットされた曲線との間の差の2乗の合計を最小化することを含む。これは、残差の2乗和を最小化する線であるベスト・フィット線を見つけることによって行われる。最良適合直線は、残差の2乗和を最小にするパラメータを見つけることによって決定される。この手法は、データ・サイエンスや機械学習において、予測に使用できるモデルを作成するためによく使用される。参考文献BCS Foundation Certificate In Artificial Intelligence Study Guide、https://bcs.org/certifications/foundation-certificates/artificial-intelligence/

説明
* 弱い学習者：俗に、素朴なモデルよりもわずかに優れた性能を発揮するモデル。
より正式には、この概念はマルチクラス分類に一般化され、50％以上の精度を超える別の意味を持つ。
バイナリ分類の場合、弱い学習者の正確な要件はランダム推測よりも優れていることであることがよく知られている。[しかし、50%以上の精度を要求するのは厳しすぎます。
- 46ページ、Ensemble Methods、2012年。
これは形式的な計算論的学習理論に基づくもので、ランダムな推測よりも良い性能を示す、弱学習可能性を持つ学習法のクラスを提案するものである。弱い学習可能性は、より望ましい強い学習可能性を単純化したものとして提案されており、学習可能な学習法は任意の良い分類精度を達成する。
弱い学習可能性（weak learnability）と呼ばれる学習可能性の弱いモデルは、学習者が任意に高い精度を達成できるという要件を取り払ったものである。弱い学習アルゴリズムは、ランダムな推測よりも（逆多項式で）わずかに良い結果を出す仮説を出力するだけでよい。
- 1990年、『弱い学習性の強さ』。
これは、アンサンブル学習アルゴリズムの寄与メンバーの能力を記述するためによく使われるので、有用な概念である。例えば，ブートストラップ集計のメンバーは，少なくともこの用語の口語的な意味においては，強い学習者ではなく弱い学習者と呼ばれることがある．
より具体的には、弱い学習者はアンサンブル学習アルゴリズムのブースティング・クラスの基礎となっている。
ブースティングという用語は、弱い学習者を強い学習者に変えることができるアルゴリズムのファミリーを指す。
https://machinelearningmastery.com/strong-learners-vs-weak-learners-for-ensemble-learning/ 弱い学習者の仮説精度が50%より少ししか良くない場合に採用する最適なテクニックはブースティングである。ブースティングはアンサンブル学習のテクニックで、複数の弱い学習者（つまり精度の低いモデル）を組み合わせてより強力なモデルを作る。ブースティングは一連の弱い学習者を繰り返し学習することで機能し、それぞれの学習者はランダムな推測よりもわずかに優れている。そして、それぞれの弱い学習者の出力を組み合わせて、より精度の高いモデルを形成する。ブースティングは強力なテクニックで、幅広い機械学習タスクの精度を向上させることが証明されている。詳細については、BCS Foundation Certificate In Artificial Intelligence Study Guideまたは上記のリソースを参照してください。

説明
ウォーターフォール・アプローチは、開発の各フェーズが完了してから次のフェーズに入るという順序設計プロセスである。このため、あるフェーズが完了すると、プロジェクトに加えられた変更が他のすべてのフェーズに影響を及ぼす可能性があるため、戻って変更を加えることが難しくなります。その結果、ウォーターフォール・アプローチでは、変化する顧客の要求に対応したり、新しい技術に適応したりすることが難しくなる。これは、最終的にAIプロジェクトの失敗を招く可能性がある。
参考文献[1] BCS Foundation Certificate In Artificial Intelligence Study Guide, Page number 19 [2] APMG International, "What is a Waterfall Model?", https://apmg-international.com/en/blog/what-is-a-waterfall-model/ [3] EXIN, "What is a Waterfall Model?", https://www.exin.com/blog/what-is-the-waterfall-model/

説明
NLP - 自然言語処理は、狭い範囲のAIの例である。自然言語を理解し、解釈し、生成することができるAIシステムの一種である。NLPは、チャットボット、バーチャルアシスタント、検索エンジンなどのアプリケーションを作成するために使用されているため、ここ数年でますます人気が高まっている。NLPシステムは、言語とそれが使われる文脈を学習することができ、言語のニュアンスとそのさまざまな意味を理解することができる。参考文献BCS Foundation Certificate In Artificial Intelligence Study Guide、https://bcs.org/certifications/foundation-certificates/artificial-intelligence/

説明
人間は目的を達成し、使命を果たすために、知能を使って環境を操作する。これには、道具を作ったり、シェルターを建設したり、問題を解決するための戦略を立てたりと、さまざまな活動が含まれる。参考文献BCS Foundation Certificate In Artificial Intelligence Study Guide, https://bcs.org/ai/certificate/ and APMG International, https://www.apmg-international.com/qualifications/artificial-intelligence-foundation-certificate.

説明
* エージェントのパフォーマンス指標 エージェントがどの程度成功したかを決定する基準である。
* エージェントの行動 エージェントが知覚の任意のシーケンスの後に実行するアクションです。
* 知覚 あるインスタンスにおけるエージェントの知覚入力です。
* 知覚シーケンス（Percept Sequence） エージェントが今日までに知覚したすべての履歴である。
* エージェント機能 これは、戒律シーケンスからアクションへのマップである。
エージェント用語
https://www.tutorialspoint.com/artificial_intelligence/artificial_intelligence_agents_and_environments.htm AI エージェントは、エージェントの知覚と呼ばれる知覚入力に依存しています。これは、エージェントがセンサーを通じて収集した環境に関するデータです。この知覚により、エージェントは環境に基づいて意思決定を行い、行動を起こすことができます。エージェントの知覚は、人工知能システムが効果的に動作するために重要です。参考文献
[1] BCS Foundation Certificate In Artificial Intelligence Study Guide, "Reinforcement Learning", p.96-97.[2] APMG-International.com, "Foundations of Artificial Intelligence" [3] EXIN.com, "Foundations of Artificial Intelligence".

説明
https://research.com/careers/what-is-the-fourth-industrial-revolution
第4次産業革命の急速な発展において、人工知能（AI）が大きな役割を果たしている。AI技術は、これまで人間や機械が行っていた多くのプロセスの自動化を可能にし、そのスピード、効率、精度を大幅に向上させている。
自動化は、第4次産業革命におけるAIの主な貢献のひとつであり、企業や産業の生産性を大幅に向上させるとともに、生産コストを削減し、製品の品質を向上させた。
参考文献：https://www.bcs.org/more/certifications/foundation-certificate-in-artificial-intelligence/ https://www

説明
アクティベーション機能
ニューラルネットワークの活性化関数は、入力の重み付き和が、ネットワークのある層のノードからの出力にどのように変換されるかを定義する。
https://machinelearningmastery.com/choose-an-activation-function-for-deep-learning/#:~:text=Anactivation 活性化関数は、ニューロンの出力を決定するためにニューラルネットワークで使用される数学的関数である。活性化関数は入力を出力信号に変換するために使用され、単純な線形関数から複雑な非線形関数まで様々なものがある。活性化関数はニューラルネットワークの重要な部分であり、ネットワークがパターンを学習し、データを汎化するのに役立ちます。活性化関数の種類には、シグモイド、ReLU、tanh、ソフトマックスなどがあります。参考文献BCS Foundation Certificate In Artificial Intelligence Study Guide、https://bcs.org/certifications/foundation-certificates/artificial-intelligence/

説明
https://griffinshare.fontbonne.edu/cgi/viewcontent.cgi?article=1008&context=ijds コンピュータ科学者や経済学者は、エージェントがどれだけ幸せであるかを表現するために「効用」という言葉を使う。効用は満足度や嗜好性の尺度であり、特定の結果に対するエージェントの満足度を評価するために使用される。効用は、エージェントの満足度を最大化するために、エージェントが取るべき最適な決定や行動を決定するために使用することができる。参考文献
[1] BCS Foundation Certificate In Artificial Intelligence Study Guide, "Decision Making and Planning", p.99-100.[2] APMG-International.com, "Foundations of Artificial Intelligence" [3] EXIN.com, "Foundations of Artificial Intelligence".

説明
デイビッド・チャルマーズ教授は、難しい意識の問題は宇宙と同じくらい複雑だと述べている。彼は、意識を理解することは、関係する変数や次元の多さから、宇宙そのものを理解するのと同じくらい難しいと主張している。彼はこの問題の複雑さを乱流、量子力学、心理学と比較しているが、意識の問題はこれらすべてよりもさらに複雑であると考えている。
参考文献
[1] https://www.bcs.org/upload/pdf/foundation-certificate-ai-syllabus-v1.pdf [2] https://www.apmg-international
デイヴィッド・J・チャルマーズ、「意識のハード・プロブレム」、J・シェアー編、『意識の説明』、MIT出版、1997年：ハード・プロブレム", MIT Press, 1997.

説明
機械学習は、ロボットがセンサーデータから学習し、タスクを実行する方法を計画することで、ロボットを自律化するために使用することができる。これには、アルゴリズムを使用してセンサーからのデータを分析し、このデータを使用して意思決定や行動を行うことが含まれる。機械学習を使用することで、ロボットは環境から学習し、より自律的になることができる。参考文献
[1] BCS Foundation Certificate In Artificial Intelligence Study Guide, "Robotics", p.98.[2] APMG-International.com, "Foundations of Artificial Intelligence" [3] EXIN.com, "Foundations of Artificial Intelligence".

説明
知能ロボットとは、機械学習や自然言語処理などのAI技術を使用して、環境を認識し、計画し、行動するロボットのことである。インテリジェント・ロボットは、大量のデータを迅速かつ正確に処理できるため、自律的に意思決定を行い、タスクを遂行することができる。インテリジェント・ロボットは、産業オートメーションからヘルスケアまで、さまざまな用途に使用することができる。