体験授業 AIプログラミング

講師:大森田不可止



機械学習




spaceshift + space での操作が快適です。

表示が変な場合はリロードF5してください。

スライドの操作

キー操作
or lスライドを右方向に進む
or h前のスライドに移動
or j下のスライドに移動
or k上のスライドに移動
Space or n次のスライドへ垂直→水平の順に移動
Shift + spaceSpace の順序を逆にたどる。
Home最初のスライドへ
End最後のスライドへ
Esc or o概要表示
f全画面表示。Escで戻す。




AI・機械学習・ディープラーニング

AI関連の近頃のニュース

AlphaGo

その他

AI の歴史

  • 1956年 ダートマス会議で、Artificial Intelligence (AI) という用語が初めて使われました。日本語訳は「人工知能」。翌年に、 人工ニューラルネットワークの萌芽である、パーセプトロンが発表されます。
  • パーセプトロンは、単純な分類問題しか解けませんでしたが、工夫された 多層フィードフォワードニューラルネットワーク が考案されます。ただし、このシステムは複雑すぎて、どう扱えば良いのかは手探り状態で、ゆっくり進歩しました。
  • 長年、華々しい成果が無かった技術ですが、ここ5年ほどで、数学的に厳密な解析手法が確立され、巨大データ処理技術を背景に ディープラーニングという手法が、現在驚異的な発展段階にあります。

ai history

AI関連技術

AI は、音声認識や画像識別、言語認識なども含めた最も広い概念を指す用語なのですが、最近のニュースなどでは、ディープラーニングことを指す場合が多い。ニュースにするには、用語が長いためと思われます。

機械学習きかいがくしゅう(machine learning)というのは、データを与えることで自動的に学習する無生物を指す用語。その中で最も成功してるのがニューラルネットワークと呼ばれるシステムで、その学習手法として成功したのが、ディープラーニングです。

大量の入力データを分析して学習するため、統計学やデータマイニング・ビッグデータの手法が流入して、発展を支えています。

AI words




Python

プログラム言語 Python

  • Python は以前は日本ではあまり人気がありませんでした。これは、ここ10年ほどの間が移行期間として、version 2 と version 3 が両立した混乱状態に見えて、固い性格の日本人が敬遠していたためです。世界では人気言語のひとつであり続けています。近年は、AI開発言語として、日本でも人気が跳ね上がっています。
  • 機械学習に向いたライブラリが多数作成されてますので、機械学習の定番言語となっています。
  • ライブラリは、import 文で手軽に利用できます。
  • 今までは環境構築が大変だったのですが、ANACONDA というソフトをインストールすると、様々なライブラリが最初から利用できて、便利な機能も提供されてます。TECH.C. の PC には、インストールされています。

Python の特徴

  • 文法がシンプルで書きやすく読みやすい
  • 字下げ(インデント)に意味がある
  • 専門分野での実績がある
  • 実用的なライブラリで開発を簡単に高速化できる

Pthon で作れるアプリケーション

  • Webアプリケーション
  • デスクトップアプリケーション
  • 「組み込みアプリケーション
  • ゲーム
  • 機械学習(人工知能)」

Python 情報源

公式サイト Python.orgの以下の文章を参照。チュートリアルは読み物、それ以外はリファレンスです。

Python 学習サイト

Windows の基本操作

Copyctrl + C HelpF1
Cutctrl + X RenameF2
Pastectrl + V SearchF3
Undoctrl + Z 行頭Home
Select Allctrl + A 行末End
Savectrl + S 上に1ページ移動PageUp
エクスプローラ + E 下に1ページ移動PageDown
窓の最小化・復元 + D ブラウザ 開発者ツールF12
コマンド実行 + R ブラウザ ReloadF5
タスクマネージャctrl + Shift + ESC ブラウザ 完全ReloadCtrl + F5





Python で プログラムしてみる

Anaconda Navigator の起動

  • TECH.C. のPCには、Python 環境を構築してくれる Anaconda という ディストリビューション(配給物)がインストールされています。Pythonの関連アプリが様々一括でインストールされ、インストール後のアプリの追加、削除、アップデートなどは conda コマンドで簡単に管理できます。
  • スタートメニュー > プログラム > Anaconda3(64-bit) > Anaconda Navigator を起動して、qtconsole を Launch(起動) する。


qtconsole

  • python 自体にもプログラム入力インターフェイスがあるのだけど貧弱なので、インターフェイスを強化した IPython が作られている。それを更に強化したのが qtconsole。
  • 文字の大きさは Ctrl + + で拡大、 Ctrl + - で縮小。
  • コピー・カット・貼り付けが Ctrl + CCtrl + XCtrl + V 複数行のコピペも可能。
  • で、入力した履歴をたどれる。
  • 「%」を頭につけたマジック関数と言われる追加機能があり、様々な操作が行える。ファイルの実行: %run ファイル名、実行時間の計測: %timeit [ プログラム ] などなど。詳細は %quickref で表示される。
  • 豊富な help。ヘルプ画面は Q でぬける。

変数

  • 最初の文字がアルファベットで、続く文字がアルファベットか数字で出来た文字列は 変数として扱える。Python では、変数自体には型というものが無くて、どんな形式でも代入できる。(関数も)
  • 数値の演算は、+ - * / // (整数割り算) % (剰余) ** (べき乗)、文字列は + (連結) * (繰り返し)。

a = 123
b = "Hello world"
c1 = True
print(10 / 3)
print(10 // 3)
print(10 % 3)
print(2**3)
print("Hello " + "world!")
print("Hello " + "world!" * 4)
            
  • 定数の機能は無いが、「大文字で書かれた変数は、定数として扱う」という暗黙のルールがある。

PI = 3.14159265358979
ADMIN_EMAIL = "omorita@xxxxx.com"

配列・辞書

  • 配列は、数値や文字列が複数順番に格納されたものです。最初の要素は0番目になります。
    
    a = [22, 33, 44, 55, 66]
    print(a[0], a[3])
    b = ["abc", "def", "ghi", "jkl"]
    print(b[2])
                    
  • 配列は順番で呼び出したの対して、辞書は名前(key)で呼び出します。
    
    dict = {"itou":64, "yamada":75, "endou":82}
    print( dict )
    print(dict["itou"])
                    
  • 辞書の中の順番は保持されないので注意。この機能は強力なため、多くの言語で採用されてますが、辞書、連想配列、MAP、ハッシュなど様々に呼ばれています。
  • 他の言語では、dict["itou"] を dict.itou でも呼び出せる場合が多いのですが、Python では使えません。

ループ

  • 変数 i が 0~4 になるまで5回繰り返す。インデント(字下げ)でブロックを表す。
    
    for i in range(5):
        a = i ** 2
        print(i, a)
    
  • range([start,] stop [,step]) と指定すると、startからstopの直前まで間隔stepでの、数値の配列を返す。なので、任意の区間で繰り返す場合は、startを指定する。
    
    li = range(1,10,2)
    print( list( li ) )
    for i in li:
        print(i)
                    
  • while は、ある条件が成り立つ間繰り返します。
    
    a = ["ok","ok","ok","ng","ok"]
    i = 0
    while a[i] == 'ok':
        print("a[{0}] is ok".format(i))
        i = i + 1
                  

関数

  • 一連の処理を繰り返し行う場合は、その処理を関数(function)として独立させると便利です。関数に渡す値を引数ひきすうといいます。省略された場合にデフォルト値を使う場合は、"=" で指定します。
    
    def printOperation(a = 10, b = 3):
        print(a + b)
        print(a - b)
        print(a * b)
        print(a / b)
        print(a % b)
                    
  • return で値を返すことができます。
    
    def add(x, y):
        return x + y
    
    print( add(3, 5) )
    
  • return は、"," カンマで区切って複数の値を返すこともできます。
    
    def calc(a,b):
        return a*b, a//b, a%b
    
    a1,a2,a3 = calc(10,3)
    print(a1,a2,a3)
                    

クラス

  • class は、変数(プロパティ)をいくつか持って、それに対する様々なクラス処理関数(メソド)がパッケージになったものです。class には、大文字で始まる名前を付けます。"__" (アンダースコア2つ)で始まる名前は、クラス内からだけアクセスできます。
    
    class Foo(object):
        def __init__(self):
            self.a = 0
        def add(self):
            self.a = self.a + 1
            return self.a
                    
  • クラスを使うときは、変数に代入します。他の言語では new クラス名 で実体(instance)を作りますが、Python では代入だけ。この時に初期化のメソド(constructor) __init__ が呼ばれます。self は、自分自身のインスタンスを指す変数です。
    
    o = Foo()
    for i in range(10):
        print (o.add())
                  

ライブラリの使用

  • Python には、膨大な数のライブラリが存在し、手軽に利用できます。特にAI関連のライブラリは充実していて、数値計算、データ分析、統計計算、GPGPU計算のライブラリが揃っています。数値計算ライブラリ Numpy を使ってみましょう。
    
    import numpy as np
    print(np.power(1.08,30))  # 8%の金利で30年借りると?
    print(np.power(2.0, 52.0/1.5)) # 1965 ムーアの法則
    print(np.sqrt(2))
    print(np.pi)
    print(np.e)
    print(np.sin(np.pi/6))
                    
  • AIでは、膨大な量のデータを扱う。それらのデータは、数字を縦横に並べた「行列」という形式にまとめられる。numpy はその行列をまとめて計算できるように設計されている。
    
    o = np.ones((3, 3))
    6*o
    o+8
    b = np.asarray([[2,3,4],[5,6,7],[8,9,10]])
    a+b
    np.exp(b)
    np.max(b)  #最大値
    np.sum(b)  #合計
    np.mean(b) #平均
    np.std(b)  #標準偏差
    





じゃんけんゲーム

じゃんけん

ルール: 省略

ぐー

gu

ちょき

gu

ぱー

gu

定数・判定


import random

# 定数
GOO = 0
CHOKI = 1
PAR = 2
SELECT = [GOO, CHOKI, PAR]
JANKEN = ['ぐー', 'ちょき', 'ぱー']
RESULT_LOSE = 0  # 負け
RESULT_DRAW = 1  # 引き分け
RESULT_WIN = 2   # 勝ち
RESULT = ['負け', 'あいこ', '勝ち']

# 関数
def result(player, cpu):
    if player == cpu:
        return RESULT_DRAW
    if (player + 1) % 3 == cpu:
        return RESULT_WIN
    return RESULT_LOSE
            

普通のじゃんけんゲーム


def battle():
    inp = ""
    while inp not in CHECK:
        print('何を出しますか?(0:ぐー、1:ちょき、2:ぱー 9:Quit) >>> ', end= '')
        inp = input()
        if inp == "9":
            return False
    player = int(inp)
"""
    hist.insert(0, player)
    move[2] = move[1]
    move[1] = move[0]
    move[0] = player
"""

    #cpuの手
    cpu = random.choice(SELECT)
    print('あなた: ' + JANKEN[player] + ' vs ' + JANKEN[cpu] + ': cpu')

    rslt = result(player, cpu)
    if rslt == RESULT_WIN:
        print('あなたの勝ちです!')
        return True
    elif rslt == RESULT_LOSE:
        print('あなたの負けです')
        return True
    else:
        print('あいこです\nもう1回!')
        return battle()

普通のじゃんけんゲーム

全ソースコード

battle.py

機械学習 じゃんけんゲーム

  • ゲーム理論によれば、じゃんけんの最適戦術は、ランダムに3つの選択肢を選ぶことです。
  • ところが、人間のプレイヤーはランダムに選ぶことができず、様々な傾向を持ってしまいます。例えば、同じ選択肢を3回続けて選ぶことは少ない、「ぐー」の次は「ぱー」を選ぶ場合が多い、などなど。
  • cpu側は、じゃんけんを繰り返しながら人間の選択肢を記録して、過去2回の選択肢から次の選択肢で確率が高いものを調べて、それに勝つ選択肢を選ぶようにしていきます。
  • 収集したデータを活用して、自動的により良い選択肢を選ぶように学習していくわけです。これが、最も簡単な「機械学習」です。

記録を取り確率の高い選択肢を選ぶ


count = [[[0 for i in range(3)] for j in range(3)] for k in range(3)]
move = [-1, -1, -1]
hist = []

nBattle = 0
nWin = 0

# 出現回数が多い選択肢を選ぶ
def getMax(arr, move1, move2):
    index = -1
    maxVal = -1
    for i in SELECT:
        if maxVal < arr[move1][move2][i]:
            maxVal = arr[move1][move2][i]
            index = i
    if maxVal <= 0:
        return -1
    else:
        return index

# 出現回数を増加させる
def addCount(arr, move1, move2, move3):
    if move2 >= 0:
        arr[move1][move2][move3] += 1





ニューラル・ネットワーク

パーセプトロン

  • ある入力に対して、その出力を分析して「学習」する仕組みを実現するシステムを「機械学習」と呼びます。
  • 下図は機械学習の基本の1957年発祥の「パーセプトロン」の概念図です。ニューラルネットワークによるディープラーニングが成果を挙げてますが、基本構造はパーセプトロンが原点です。学習結果は「重み」が担っています。

多層パーセプトロン

  • 下図は「多層フィードフォワードニューラルネットワーク」(multi-layer feedforward neural network)、多層パーセプトロン(Multi-Layer Percepton: MLP) とも呼ばれる概念図である。
  • 隠れ層(hidden layer)のユニットは入力層と完全に結合しており、出力層は隠れ層と完全に結合してる。このように隠れ層が1つ以上存在するものを「ディープ」人工ニューラルネットワークと呼ぶ。隠れ層も含めた沢山の「重み」を学習させないといけないので、高度な技術が必要になります。AlphaGo は、21層の隠れ層を持っています。

ニューラルネットワーク

  • 隠れ層が多くなると、出力をフィードバックして学習させる事が困難になってきます。この解決のために、以下のふたつの技術が登場しました。
    1. 1986年 バックプロパゲーション(Backpropagation)。日本語訳は誤差逆伝播法。
    2. 2012年頃以降 ディープラーニング(deep learning)。日本語訳は深層学習。
  • ディープラーニングの考え方は 1980年頃からあったが、近年のデータ分析手法の発達と、計算機資源の進化とが合致して、爆発的な成果を出すに至っている。
  • データ分析手法は、近年のデータマイニングからビッグデータと呼ばれる雑多な巨大データから、意味のある情報を取り出そうとする流れです。オープンソースで制作されている Rという統計ソフトが貢献してます。例えば改札を利用した個々の乗客がどの路線のどの区間を利用したかを集計して、混雑を緩和する最適解を探すような技術です。
  • 計算機資源は、最近ではグラフィック表示を行うGPUを計算機として利用する、GPGPU (General-Purpose computing on Graphics Processing Units) という技術の発展があります。複雑な計算は出来ませんが、PCの計算能力を数十倍に引き上げることができます。

3種類の機械学習

  • 教師なし学習(unsupervised learning) … 正解なし。データのみ。
  • 教師あり学習(supervised learning) … 正解(label)付きデータ。
  • 強化学習(reinforcement learning) … 正解ではなくヒント付き。