AI・機械学習

① AI概要、機械学習の3分類

AI（Artificial Intelligence：人工知能）は、人間の知的活動をコンピュータで実現する技術の総称です。その中核技術が機械学習（Machine Learning）で、データからパターンを学習して予測や判断を行います。

機械学習は学習方法により大きく3つに分類されます。

教師あり学習はさらに回帰（連続値を予測：売上額、気温など）と分類（カテゴリを予測：正常/異常、犬/猫など）に分かれます。

② 深層学習（ニューラルネットワーク、活性化関数）

深層学習（Deep Learning）は、ニューラルネットワークの層を深くした機械学習の一手法です。

ニューラルネットワークは、人間の脳の神経細胞（ニューロン）の仕組みを模した数学モデルで、入力層・中間層（隠れ層）・出力層から構成されます。中間層が多数（深く）なったものが「深層」学習です。

各ニューロンでは入力値に重みをかけて合計し、活性化関数を通して出力値を決定します。活性化関数にはReLU、シグモイド、ソフトマックスなどがあり、非線形な変換を行うことで複雑なパターンの学習を可能にしています。

③ 生成AI関連（モデル崩壊、ハルシネーション、データドリフト）

生成AIの普及に伴い、新しい課題も注目されています。

④ 二値分類評価（適合率・再現率・F値）

AIモデルの分類精度を評価する指標として、以下の概念が重要です。

ここで TP=真陽性、FP=偽陽性、FN=偽陰性です。適合率は「予測の正確さ」、再現率は「取りこぼしの少なさ」を示します。