更新日:2024年12月11日
私たちの講座では「TeachableMachine」というものを利用して、カメラに写っているものが何なのかを判定するAIを利用しています。実際に出前講座で利用したと思います。
今回はTeachableMachineを使ったその先のAIの作り方の勉強方法のご紹介をしたいと思います。
結論を述べますと、自分が作ってみたいAIはどんなものかを考え、そのAIの完成を実現するために勉強するというのが学習の最短経路です。
私は、AIの勉強の効率性を重視するためにはある程度初めに知識が必要だと考えます。
知識を蓄えるためには体系的に学ぶことが一番なのですが、やはり机の前で本を開いて勉強するという座学という面白くない時間も必要です。
AIを勉強するために必要な知識はこちらです!
プログラミング言語の理解(Python必須)
参考書を読んで、どのように学習や推論が行われているか大体でいいので想像できる力
学習させるときの必要なデータの品質を見定める&正しく整える力
と、まぁ書きましたがいきなりできる必要はありません。むしろ、上のすべてができてからAIの勉強を始めることは非効率です。ですので、参考書を読みながら上の三つを注意しながら「ふむふむ」と思いながら進めるだけで十分立派です。
私が今までに座学で勉強した中で、これは面白かったなぁ~と思ったものをご紹介します。(基礎本数冊読んで、一番わかりやすかった)
ただし、書店で読んでみて「自分に合わなさそう」と思えば、違うものを選んでもらってもOK!
すっきりわかる Pythonによる機械学習入門
こちらになります。
これはPythonがわからなくても最初に説明を行ってくれます。
こちらの内容は業務向けの内容にはなるのですが、「きれいなデータ」を使って学習できるので割と精度が高く、取り組み終わったときの達成感とAIの学習の概要を理解することができます。
pandasとscikit-learnと呼ばれる、データサイエンスAIではほぼ必須の知識も身につくので個人的にはおすすめです。
基礎を学んだら、次は実際に手を動かしてより実践的なAIを作ってみましょう。
私はGoogleが大好きです。そのGoogleが作っている、AIをめちゃくちゃ簡単に作れるようにしたツールを使うことを私はおすすめしています。
その名はTensorFlowです。
TensorFlowは今、アツいツールで、TensorRTと呼ばれる「リモコン」「マウス」などの小さいデバイスでもAIを軽やかに動かせるようにするための小さなAIを作ることもでき、今後の社会を伸ばしていくものだと私は考えています。そちらを使いたいと思います。
そのTensorflowの記事の中で、私の機械学習に対する興奮がさらに高まった一つの記事をご紹介します。
はじめてのニューラルネットワーク:分類問題の初歩 | TensorFlow Core
こちらの記事では、実際に手を動かしながら学習します。こちらの記事では画面に映っている洋服の画像がなんの種類なのかを判別するAIを作ります。TeachableMachineと似ている部分もありますが、より実践的にAIの予測精度まで考えて作ります。
GoogleColabというものを利用します。
画面に映っている文字を一つ一つ自分のGoogleColabの画面に写しながら勉強します。
一度で理解できないと思うので、2回3回とこの記事を読みながら同じことをやっているとあるとき、理解できるようになります。
他にもこのサイトには映画の評論評価AIを作るための記事もありますのでぜひ気になれば見てみましょう!
もっと勉強をするには自分の興味関心に応じて以下のように調べて気になる記事を見ながらの学習をお勧めします。
「Tensorflow チュートリアル」
「画像生成 チュートリアル」
「LLM 作り方」
「音声認識AI 作り方」
のような言葉をGoogle検索で書けると、他にももっといろいろなAIの作り方を紹介している記事があります。
気になる単語 + チュートリアル や 気になる技術やツール + 使い方 などで検索を書けるとすぐに学習しやすい環境が整っています!
ぜひ皆さんも積極的に調べてみましょう!
いまや、一晩寝たら新しいAIができているかもしれないほど世の中のAIブームは止まりません。
この中で皆さんが今後生きていく中でずっと必要な力は「自分のAIに対する知識のアップデートを欠かさないこと」ということです。
継続的に知識を取り入れることで思いもよらぬ新しい発想や、AIの地球温暖化などの対応策を思いつくかもしれません。
また、従来のAIの開発手法ではなく、新しい開発手法を思いつき、世の中をコロっと変えることもできるかもしれません。
その運命は皆さんの日々の継続力とあなたの脳と手で実現できるかもしれません。
とまぁ、書きました。今後も私たちと一緒に成長していきましょう!
Author
まっつー - 情報工学専攻
GitHub: Takuchan
X: takumi_syojin