ディープラーニングG検定（11/9試験後の落ち穂拾い）
サポートベクタマシン（SVM）
分類。マージンを最大化する
スラック変数
誤分類を許容する変数。ハイパーパラメータの一種。
カーネル法
SVMは本来は線形分離可能なデータしか分離することができないがカーネル法を用いれば非線形の決定境界を得ることが可能。
カーネルトリックで計算量を低減できる。
ロジスティック回帰
分類。線形回帰を分類問題に応用したアリゴリズム。
1. 対数オッズと呼ばれる値を重回帰分析により予測
2. 対数オッズにロジット変換を施すことで、クラスiに属する確率piの予測値を求める
3. 各クラスに属する確率を計算、最大確率のクラスが、データが属するクラスと分類
ローブナーコンテスト
チューリングテストに合格する会話ソフトウェアを目指すコンテストで1991年から開催されている。
FATE
人間がAIを信用するための原則
※ 試験ではFATで出題された。
公平性(Fairness)
使われる学習データには偏りがあったりすると、それを学習に使ったモデルも同様に偏ってしまう。結果として、偏見を持った「不公平なモデル」が生まれてしまう問題
説明責任(Accountability)
例えばターゲティング広告であれば、AIが対象が男性なのか女性なのか、若者や老人なのかなどを判断して広告表示をした結果、差別的な広告表示が行なわれたとユーザーが感じた場合、誰が悪いのかという問題で、アルゴリズムなのか広告サービス提供者なのか、説明責任を負う対象が不明瞭になってしまう問題を指す。
透明性(Transparency)
深層学習(ディープラーニング)が起因の問題。深層学習は、音声認識や機械翻訳などにおいて、10年前には達成できなかった人間レベルのタスク処理を実現したが、深層学習が「なぜそれらの処理を行なえているのか」は現在完全には分かっていない。結果、ユーザーから求められる「AIが行なった“判断の理由”」が説明できない点が問題
倫理(Ethics)
AIシステムでは、さまざまな文化や状況に応じた倫理問題を考慮しなければならないとした。
GAN/ GANs（敵対的生成ネットワーク : Generative adversarial networks）
Generator（生成器）
Discriminator（識別器）
シンボルグラウンディング問題
シンボルグラウンディング問題（記号接地問題）が解決しました
TensorFlow
Google Brainチームにより2015年11月に人工知能が搭載されたエンジンをオープンソースとして公開したのがTensorFlowとなります。
TensorFlowはYouTubeやGoogle翻訳、音声検索などで使用していたDistBeliefを元に、使いやすくさまざまな業務で活用できることを目的に開発が進められました。
そのため、実際のGoogle社内でも業務でTensorFlowは使われています。2019年8月時点での最新版はTensorFlow 2.0 .0版となっており、さまざまな機能が追加されています。
詳細を知りたい方はGoogleが公開しているこちらの動画をご覧ください。(全編英語の動画となっています。)
DistBelief（分散並列技術）
DistBeliefはGoogleが開発した深層分散学習のフレームワークである。これは論文も出されていて、深層分散学習の仕組みを理解できる。