Web教科書

プルーニング (Pruning) 解説：AIの「贅肉」を削ぎ落とす プルーニング（剪定：せんてい）は、学習済みのニューラルネットワークから、「結果にあまり貢献していない（重要でない）重みやニューロン」を削除して、モデルをスカスカ（疎）にする...

蒸留 (Knowledge Distillation) 解説：名教師の「暗黙知」を受け継ぐ 蒸留（知識蒸留）は、性能は高いが計算量が巨大な「教師モデル（Teacher Model）」の知識を、軽量でコンパクトな「生徒モデル（Student ...

宝くじ仮説 (The Lottery Ticket Hypothesis) 解説：巨大モデルは「くじ引き会場」である 2018年、MITの研究者らが提唱した「宝くじ仮説」は、ニューラルネットワークの常識を覆す面白い考え方です。 通常、ディー...

説明可能AI (XAI: Explainable AI) 解説：AIの頭の中を「翻訳」する技術 説明可能AI（XAI）は、ディープラーニングなどの複雑なAIが出した答えに対して、「なぜそうなったのか」という根拠や判断プロセスを、人間が理解で...

エッジAI (Edge AI) 解説：現場で即断即決する「端末上のAI」 エッジAIは、インターネットの向こう側にある「クラウド（巨大なサーバー）」ではなく、ユーザーの手元にある「エッジデバイス（スマホ、自動車、監視カメラ、ロボットなど）」...

Guided Grad-CAM 解説 Guided Grad-CAMは、「Grad-CAM」のヒートマップ（大まかな注目領域）と、「Guided Backpropagation」という手法（高解像度だがクラス識別性の低い勾配情報）を掛け合わ...

マルチモーダルAI：視覚とコトバを繋ぐ技術の最前線 解説：「目」と「耳」を同時に持つAI 人間は、目で見た情報（視覚）と、耳で聞いた言葉（言語）を脳内で瞬時に結びつけて世界を理解しています。「マルチモーダルAI」とは、まさにこの人間のように...

事前学習と学習済みモデル 解説：AIの「義務教育」期間 事前学習（Pre-training）とは、AIモデルに対し、特定のタスク（例えば「犬と猫の分類」など）を解かせる前に、あらかじめ大規模なデータセット（ImageNetやWikipedi...

破壊的忘却 (Catastrophic Forgetting) 解説：AIの「上書き保存」問題 破壊的忘却（カタストロフィック・フォゲッティング）は、ニューラルネットワークが新しいタスクを学習すると、それまで覚えていた以前のタスクの知識が「...

半教師あり学習 & 自己教師あり学習 解説：データの「宝の持ち腐れ」を防ぐ技術 ディープラーニングには大量の「正解ラベル付きデータ」が必要ですが、全ての画像や文章に人間がタグ付けを行うのはコストがかかりすぎます。 そこで、世の中に溢れている...