読者です 読者をやめる 読者になる 読者になる

無表情で書くブログ

週末のみ更新する意識低い系ブログ。iPhoneとか読書とか音楽とか趣味の話を。

AI、マシンラーニング、ディープラーニングの違いとは(英文和訳)

AI 英語

https://tr2.cbsistatic.com/hub/i/r/2016/11/14/7b655c8d-b92e-4eff-bca4-d244b1ec7e15/resize/1230x/719a0dc41165b08ec37cf88bfc68a7e0/hires.jpg

英語のリーディングを鍛えるために英語の記事を和訳してみた。訳の正確さは全く保証しません。間違いのご指摘や、より良い和訳のアドバイスなど歓迎です。英語学習者の方がリーディング教材として使ってもらえたら最高です。

 元記事 (Source): Understanding the differences between AI, machine learning, and deep learning - TechRepublic

 

Understanding the differences between AI, machine learning, and deep learning

AI、マシンラーニング、ディープラーニングの違いとは

 


Artificial intelligence, machine learning, and deep learning have become integral for many businesses. But, the terms are often used interchangeably. Here's how to tell them apart.

AI(人工知能)、マシンラーニング(機械学習)、ディープラーニングはビジネスシーンでも不可欠なものになっている。しかし、これらの用語はしばしば取り違えられて使われていることがある。それぞれの違いを解説しよう。

  • integral [形] 不可欠な
  • interchangeably [副] 入れ替えて

 

With huge strides in AI—from advances in the driverless vehicle realm, to mastering games such as poker and Go, to automating customer service interactions—this advanced technology is poised to revolutionize businesses. But the terms AI, machine learning, and deep learning are often used haphazardly and interchangeably, when there are key differences between each type of technology. Here's a guide to the differences between these three tools to help you master machine intelligence.

自動運転の分野からポーカーや囲碁などのゲーム、コールセンターにおけるやり取りの自動化まで、AIの大きな進歩はビジネスに革命を起こそうとしている。しかし、AI、マシンラーニング、ディープラーニングという用語は技術的に重要な違いがあるにも関わらず、入れ替わっていたり、でたらめな使い方をされていることがある。ここではこれらの違いを解説する。

  • stride(s) [名] 進歩、発展
  • realm [名] 領域、分野
  • be poised to 〜する用意ができている、〜する構えだ
  • haphazardly [副] でたらめに

 

Artificial Intelligence (AI)
人工知能(AI)

AI is the broadest way to think about advanced, computer intelligence. In 1956 at the Dartmouth Artificial Intelligence Conference, the technology was described as such: "Every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it.”

コンピューターの知能の進歩を考える上で、AIは最も広範囲なものとなる。1956年にダートマス会議において、AIのテクノロジーに関してこのように説明された。『学習や知能に関するすべての側面は、原理的には機械で模倣可能だと言える』

 

AI can refer to anything from a computer program playing a game of chess, to a voice-recognition system like Amazon's Alexa interpreting and responding to speech. The technology can broadly be categorized into three groups: Narrow AI, artificial general intelligence (AGI), and superintelligent AI.

チェスをプレイするプログラムから、通訳したり会話で返事をしたりできるAmazon Alexaのような音声認識システムまで、AIというと様々なものを引き合いに出すことになる。このテクノロジーは広義では3つのカテゴリーに分けることができる。弱いAI(特化型AI、Narrow AI)、人工汎用知能(AGI)、そしてスーパーインテリジェンス(superintelligent AI)だ。

  • refer [動] 参照する、言及する、引き合いに出す

 

IBM's Deep Blue, which beat chess grand master Garry Kasparov at the game in 1996, or Google DeepMind's AlphaGo, which in 2016 beat Lee Sedol at Go, are examples of narrow AI—AI that is skilled at one specific task. This is different from artificial general intelligence (AGI), which is AI that is considered human-level, and can perform a range of tasks.

IBMのDeep Blue(1996年にチェスのグランドマスターであるGarry Kasparovを倒した)や、Google DeepMind社によるAlphaGo(2016年に囲碁でLee Sedolを倒した)は弱いAI(特化型AI)の一例だ。このAIはある特定の作業が得意である。これは、様々な作業ができて人間レベルの知能と言われる、人工汎用知能(AGI)とは異なるものだ。

 

Superintelligent AI takes things a step further. As Nick Bostrom describes it, this is "an intellect that is much smarter than the best human brains in practically every field, including scientific creativity, general wisdom and social skills." In other words, it's when the machines have outsmarted us.

スーパー・インテリジェンス(Superintelligent AI)は物事をさらに進歩させる。スーパー・インテリジェンスは「科学的な創造性、全体的な知恵、社交能力を含む全ての分野において、人間の最も優れた知能よりはるかに賢い」とNick Bostromは説明しており、すなわち、これは機械が我々を出し抜く瞬間を意味する。

  • intellect [名] 知性
  • outsmart [動] 出し抜く、裏をかく

Machine Learning (ML)
マシンラーニング(機械学習、ML)

Machine learning is one subfield of AI. The core principle here is that machines take data and "learn" for themselves. It's currently the most promising tool in the AI kit for businesses. ML systems can quickly apply knowledge and training from large data sets to excel at facial recognition, speech recognition, object recognition, translation, and many other tasks. Unlike hand-coding a software program with specific instructions to complete a task, ML allows a system to learn to recognize patterns on its own and make predictions.

マシンラーニングはAIの一分野で、その核となる原則は機械がデータを取得して自ら「学習」することだ。MLは今AIの中で最もビジネスへの応用が期待されている。MLは知識や大量のデータセットからの学びを、優れた顔認識、音声認識、物体認識、翻訳など、様々な作業にすばやく適用することができる。

  • excel (at) [動] 冴える、優れる、卓越する

 

While Deep Blue and DeepMind are both types of AI, Deep Blue was rule-based, dependent on programming—so it was not a form of ML. DeepMind, on the other hand, is: It beat the world champion in Go by training itself on a large data set of expert moves.

Deep BlueとDeepMindはいずれもAIの一種であるが、Deep Blueは人によるプログラミングに依存しているルール・ベースAIであり、ML形式ではない。一方で囲碁の世界チャンピオンを倒したDeepMindは、大量のプロ囲碁棋士棋譜データセットによって自らトレーニングする。

 

Is your business interested in integrating machine learning into its strategy? Amazon, Baidu, Google, IBM, Microsoft and others offer machine learning platforms that businesses can use.

あなたの会社は機械学習をビジネス戦略に取り入れることに興味があるだろうか。Amazon、Baidu、GoogleIBMMicrosoftなどはマシンラーニングのプラットフォームを、ビジネスへの活用のために提供している。


Deep Learning
ディープラーニング

Deep learning is a subset of ML. It uses some ML techniques to solve real-world problems by tapping into neural networks that simulate human decision-making. Deep learning can be expensive, and requires massive datasets to train itself on. That's because there are a huge number of parameters that need to be understood by a learning algorithm, which can initially produce a lot of false-positives. For instance, a deep learning algorithm could be instructed to "learn" what a cat looks like. It would take a very massive data set of images for it to understand the very minor details that distinguish a cat from, say, a cheetah or a panther or a fox.

ディープラーニングはMLの一部だ。ディープラーニングは現実世界の問題を解決するために、脳内の意思決定を模倣したニューラルネットワークなどのMLのテクニックを利用している。ディープラーニングは高額になりうる上に、自らを強化するために非常に大きなデータセットを必要とする。その理由は、学習アルゴリズムで理解しなけらばいけないパラーメーターが非常にたくさんあるためだ。そして初めのうちはそれらのパラメーターは多くの誤判定を起こすのだ。例えばディープラーニングアルゴリズムは猫の見た目の「学び方」を教えられる。猫をチーターや黒豹やキツネと区別するための非常にマイナーな詳細まで理解するためには非常に大量の画像のデータセットを使う。

  • tap into 〜を利用する、〜との関係をもつ
  • false-positive 誤判定


As mentioned above, in March 2016, a major AI victory was achieved when DeepMind's AlphaGo program beat world champion Lee Sedol in 4 out of 5 games of Go using deep learning. The way the deep learning system worked was by combining "Monte-Carlo tree search with deep neural networks that have been trained by supervised learning, from human expert games, and by reinforcement learning from games of self-play," according to Google.

前述の通り、2016年5月、DeepMind社のAlphaGoプログラムが囲碁ディープラーニングを使って、世界チャンピオンLee Sedol を5回中4回勝ち越した時、AIの偉大な勝利が達成された。Googleによると、ディープラーニングを機能させる方法は、「人間のプロの対戦を用いた『教師あり学習』で訓練されたディープニューラルネットワークによる『モンテカルロ木探索』と、セルフプレイによる補強」を組み合わせること」だという。

  • reinforcement [名] 強化、増強、補強
  • Monte-Carlo tree search モンテカルロ木探索
  • supervised learning 教師あり学習

 

Deep learning also has business applications. It can take a huge amount of data—millions of images, for example—and recognize certain characteristics. Text-based searches, fraud detection, spam detection, handwriting recognition, image search, speech recognition, Street View detection, and translation are all tasks that can be performed through deep learning. At Google, deep learning networks have replaced many "handcrafted rule-based systems," for instance.

ディープラーニングも使ったビジネスアプリケーションも存在する。それらは非常に大量のデータ、例えば何百万もの画像を使って、特徴を認識することができる。テキスト・ベース検索、詐欺検知、スパム検知、手書き文字認識、画像検索、会話音声認識ストリートビュー検知、翻訳はすべてディープラーニングによって実現しているものだ。例えばGoogleでは、ディープラーニングネットワークは多くの「手作りルールベースシステム」を置き換えられた。

  • fraud [名] 詐欺

 

Deep learning is also highly susceptible to bias. When Google's facial recognition system was initially rolled out, for instance, it tagged many black faces as gorillas. "That's an example of what happens if you have no African American faces in your training set," said Anu Tewary, chief data officer for Mint at Intuit. "If you have no African Americans working on the product. If you have no African Americans testing the product. When your technology encounters African American faces, it's not going to know how to behave."

ディープラーニングは非常にバイアスの影響を受けやすい。例えば、Googleの顔認識システムが公開された当初、非常に多くの黒人の顔をゴリラとタグ付けしてしまった。「これは黒人のアメリカ人の画像がトレーニング用のデータセットなかった場合に起こることの一例だ。」とIntuit社のMintでチーフ・データ・オフィサーを務めるAnu Tewaryは言う。「もし黒人があなたのプロダクトチームで働いてなかった場合、黒人の画像でプロダクトをテストしなかった場合、あなたのテクノロジーは黒人の顔に出会ったとき、どう振る舞ったらよいかわからなくなる」

  • susceptible [形] 影響を受けやすい
  • roll out 公開する、公表する

 

Some also believe that deep learning is overhyped. Sundown AI, for instance, has mastered automated customer interactions using a combination of ML and policy graph algorithms—not deep learning.

人によってはディープラーニングは誇張されているとも考えている。例えば、Sundown AI社は自動カスタマーインタラクションをディープラーニングではなく、マシンラーニングとpolicy graph algorithmsによってマスターした。

  • overhype [動] 誇大広告する