こんにちは。アルチテックの北中です。
アルチテックは産業系システムを開発している会社ですが、新しい取り組みの一つが産業系システムにAIを活用したいと考えています。
特に注目しているのが深層強化学習で、強化学習と深層学習（多層ニューラルネットワーク）の手法を組み合わせた物です。
そこで、何回かにわけてアルチテックのAIにおける取り組みと、実際のビジネスや研究についてお話しようと思います。
まずは人工知能（AI）／機械学習の分類と強化学習について記事を投稿します。
人工知能／機械学習の分類
今なお注目され続けているテクノロジーのAI、ネットでもテレビでも新聞でも、様々なところでAIという言葉が飛び交っています。
AIとは、Artificial Intelligenceの略で、日本語での人工知能と同じ意味です。AIとは一般的に「コンピュータを使って人間の知能の働きを人工的に実現するもの」で、幅広い範囲のものがAIと呼ばれています。
AIの代表的な分野となっているのが、機械学習で教師あり学習、教師なし学習、強化学習の３つに分類されています。
機械学習とはコンピュータ（機械）にデータを与えて学習させる手法で、与えられたデータからコンピュータ自身が何らかのルールやパターンを見つけさせます。人がプログラムなどで「ルール」を書くのではなく、コンピュータ自らがデータに基づき「ルール」を学習します。
教師あり学習
機械学習で最もオーソドックスなのが、教師あり学習です。教師あり学習は入力と出力のペアデータが与えられ、そのデータからコンピュータが入力から出力へ変換する方法を学習します。
教師あり学習は、「この入力に対して、このように出力する」と教えるための教師データを必要とします。一般的に教師データは人がひとつひとつのデータに対して正解ラベルを用意する必要があります。
教師なし学習
教師なし学習は教師データが存在しません。教師なし学習の目的は、データに潜む構造やパターンを見つけることです。
例えば、グループ分けや特徴抽出、次元削減などがあります。
強化学習
強化学習（Reinforcement Learning）は、教師あり学習や教師なし学習とは異なる枠組みで、エージェントと環境が相互作用を繰り返して学習します。
エージェントとは、ロボットのように行動する主体のことです。エージェントは、何らかの環境に置かれ、環境の状態を「観測」し、それに基づき「行動」します。その結果として環境の状態が変化し、エージェントは環境から「報酬」を受け取ります。そして、変化した環境の状態を「観測」して…を繰り返し、報酬の総和が最大になる行動パターンを見つけます。つまり、最適な行動を身につけることができます。
例えば、囲碁で世界最強の棋士と言われていたイ・セドル氏にコンピュータが勝利するという衝撃的な出来事が２０１６年にありました。このコンピュータのアルゴリズムが「AlphaGO」と呼ばれる強化学習を応用したものです。
それ以外に「スーパーマリオブラザーズ」や「シューティングゲーム」などのゲームをAIにプレイさせて、クリアするAIチャレンジなども強化学習の技術が使われています。
最後に
簡単ではありますが、人工知能／機械学習の分類と強化学習についてまとめてみました。
興味のある方は、強化学習についてネットや書籍で調べてみて、実際に動かしてみてはどうでしょうか。
コンピュータが試行錯誤して、迷路やゲームを本当に解いてくれます！！
「詳しく話を聞いてみたい！」、「開発に携わりたい！！」など興味のある方は是非、アルチテック株式会社に気軽に来てみてください。