G検定への道 #07｜AI、情報の海へ。
※これは、私的な学習記録です。
表現が自分流になっているところが多々あります。
第7講「知識表現とエキスパートシステム・情報の海へ」
データマイニング
ウェブマイニング
セマンティックWeb
今日は、この3つを見ていきます。
𓈒𓂂𓂃◌𓈒𓐍
AI、情報の海へ。
研究室の扉を開けたAIは、少しずつ人間の世界へ活動範囲を広げていきました。
人と話し、質問に答え、人間が当たり前に持っている常識を学ぼうとする。そして、人間と同じ問題にも挑戦する。
研究者たちがAIに教えようとするものは、どんどん増えていきました。
けれど――研究室の外には、今までとは比べものにならないほど大量の情報がありました。
売上。顧客の記録。文章。画像。Webページ。
ひとつずつ確認し、AIへ教えられるような量ではありません。
「……これ、全部見るの？」
無理です🤣
そこで、研究者たちは考え方を変え始めました。
これまでのように「これはこういう知識です」と、ひとつずつAIへ渡すのではなく、大量の情報そのものを見せて、
「この中に、何か使えるものはない？」
と探させる。
人間がAIへ知識を与えていた時代から、大量の情報の中から“知識になりそうなもの”を掘り出す時代へ。
AIは、情報の海へ入っていきました。
15. データマイニング
大量のデータの中から、役立つ傾向やパターン、知識を見つけ出すこと。
ある会社に、大量の記録が残っていたとします。
何が売れたか、何時に売れたか、誰が買ったか。どの商品とどの商品が一緒に買われたか。
そんなデータが、何年も積み重なっています。
人間が一件ずつ眺めても、なかなか全体の傾向は見えてきません。そこで、大量のデータを分析してみます。
すると、
「この商品を買う人は、こちらの商品も買いやすい」
「この曜日、この時間帯に売上が伸びやすい」
「この層では、この商品が選ばれやすい」
そんな、今まで埋もれていた関係が少しずつ見えてきます。
これは、探していた答えを取りに行く普通の「検索」とは少し違います。
検索なら、
「8月の売上を見せて」
と、欲しいものを指定する。
でもデータマイニングでは、
「この大量の記録の中に、何か特徴はない？」
と掘っていく。
だから名前も、そのまま。
Data Mining。
データの採掘です。
今まで人間から知識を教わっていたAIやコンピュータが、今度は大量のデータの中から、人間がまだ気づいていなかった傾向を見つけようとする。
情報の流れが、またひとつ変わりました。
𓈒𓂂𓂃◌𓈒𓐍
💡 美冬メモ｜これ、noteの編集会議室じゃん
データマイニングの説明を聞いて、最初に思ったこと。
「これ、noteの編集会議室じゃんｗｗｗ」
記事の閲覧数、反応、シリーズごとの伸び方、投稿した時間、過去記事への回遊。
大量に残っている数字や記録を見ながら、
「このシリーズ強いね」
「この記事から、こっちに読まれてる」
「この企画、もう一回使えそう」
と傾向を探しています。
もちろん私たちは、数字だけではなく記事の内容や読者の反応まで見て考えています。
でも、
「大量の記録から、使えそうなパターンを探す」
という発想はかなり似ていました。
G検定を勉強していたはずなのに、いつの間にか普段やっていることが出てきたｗｗｗ
AI史が、急に現代へ近づいてきました。
𓈒𓂂𓂃◌𓈒𓐍
16. ウェブマイニング
Web上にある大量の情報から、有用な情報や傾向を見つけ出すこと。
データの中から、使える傾向を掘り出せるようになった。
では、その対象をもっと広げたらどうなるでしょう。
1990年代。
世界には、新しい巨大な情報空間が広がっていきます。
Webです。
ページが増える。文章が増える。リンクが増える。そして、人の行動もWeb上に残っていく。
研究者たちが目の前にしたのは、これまでとは比較にならないほど巨大な情報の集まりでした。
どのページがよく見られているのか。どんな言葉が一緒に出てくるのか。どのページとどのページがつながっているのか。人はどこから入り、どこへ移動しているのか。
今度は、
Webそのものを掘る。
データを掘る対象が、ひとつの会社やデータベースだけではなく、世界中につながったWebへ広がっていきました。
これが、
ウェブマイニングです。
研究室を出たAIの前に広がっていた情報の海は、とうとう世界規模になりました。
𓈒𓂂𓂃◌𓈒𓐍
17. セマンティックWeb
Web上の情報に意味や関係を持たせ、コンピュータが扱いやすくする考え方。
Webには、膨大な情報があります。
でも、情報がたくさんあれば、それだけでコンピュータが意味まで扱えるわけではありません。
たとえば、
「東京は日本の首都です。」
人間なら、文章を読んだだけで関係が分かります。
東京は都市。日本は国。そして東京は、日本の首都。
でもコンピュータにとって、ただの文章として置かれているだけでは、それぞれが何を意味し、どうつながっているのかを扱いにくいことがあります。
研究者たちは考えました。
「だったら、Webの情報そのものを、機械が扱いやすい形にできないだろうか。」
これは商品名。これは価格。これは人物。これは場所。
これは、こちらに所属している。これは、こちらの一種。
ただ文字を並べるだけではなく、
「これは何なのか」
「何とどういう関係なのか」
を、機械でも扱える形で表していく。
ここで、以前勉強したものが戻ってきます。
意味ネットワーク※1。
オントロジー※2。
AIの中で知識を整理するときに出てきた「概念」「関係」「意味」という考え方が、今度はWebの世界でも重要になりました。
AIやコンピュータを賢くするだけではない。
機械が情報を扱いやすいように、情報が置かれているWebの側まで整えていく。
これが、
セマンティックWebです。
※1 意味ネットワーク
概念同士の関係を、is-aやpart-ofなどのつながりで表す知識表現。（G検定への道 #04より ）
※2 オントロジー
ある対象世界について、どんな概念が存在し、それぞれをどう定義し、どのような関係を持つのかを体系的に定めたもの。（G検定への道 #04より ）
𓈒𓂂𓂃◌𓈒𓐍
💡 美冬メモ｜SEOのためだと思ってました
Web上の情報に意味を持たせる。
そう聞いた時、見覚えのあるものがありました。
noteの見出しや、通販サイトの商品情報の「│」。
「│」で区切って複数の情報を載せていく。
私はずっと、
「検索で見つけてもらいやすくするためにやってるんだろうな」
くらいに思っていました。
SEOに強くするために。
でも、今回勉強して分かったのは、その前にある考え方でした。
機械に、「この情報は何なのか」を伝えやすくする。
その結果、検索エンジンなども情報を適切に扱いやすくなる。
つまり私は、
表に見えているSEOという効果から、その裏にある“機械へ意味を伝える仕組み”を見ていた
みたいです。
いつも使っているWebの裏側にも、AI史で学んできた考え方が残っていました。
𓈒𓂂𓂃◌𓈒𓐍
昔、研究者がAIに教えたもの
昔、研究者はAIに、ひとつずつ知識を教えていました。
「猫は動物の一種。」
「これは、こういう関係。」
「この条件なら、この可能性を考える。」
AIが扱える世界を、以前は人間が少しずつ作っていました。
けれどWebの時代になると、扱う情報はあまりにも増えました。人間がすべてを、ひとつずつ教えることはできません。
だから、
大量のデータから知識を探す。
Webの中から傾向を探す。
そして――
Webそのものを、機械が扱いやすい世界へ変えていく。
人間は、AIだけを育てていたわけではありませんでした。
AIが活動する世界の側もまた、少しずつ機械が扱いやすい形へ整えられていったのです。
𓈒𓂂𓂃◌𓈒𓐍
AIの歴史｜ここまでの年表
𓈒𓂂𓂃◌𓈒𓐍
次回予告
研究室を出て、人間と話し、情報の海へ入り、Webの世界まで活動範囲を広げてきたAI。
そして時代は、いよいよ現代へ近づいていきます。
かつて研究者が、
「なぁ、AI。たくさん覚えたな。」
と語りかけていた存在は、これからさらに大きく姿を変えていきます。
次の時代、人間はAIに何を求めたのか。
研究者たちの挑戦は、まだまだ続きます🤣
𓈒𓂂𓂃◌𓈒𓐍
✏️ 今日のまとめ
15. データマイニング
大量のデータの中から、役立つ傾向やパターン、知識を見つけ出すこと。
16. ウェブマイニング
Web上にある大量の情報を対象に、有用な情報や傾向を見つけ出すこと。
17. セマンティックWeb
Web上の情報に意味や関係を持たせ、コンピュータが扱いやすくする考え方。
そして今日、もう一度確認したこと。
意味ネットワーク
概念をノード、関係をリンクでつないで知識を表現する方法。
オントロジー
ある対象世界について、どのような概念が存在し、それらがどう定義され、どのような関係を持つかを体系的・明示的に定めたもの。
意味ネットワークとオントロジーは関連していますが、
「意味ネットワークが進化してオントロジーになった」
「オントロジーは意味ネットワークのルールを決めるもの」
という単純な関係ではありません。
そして今日いちばん大事だったのは、
人間は、AIへ知識を与えるだけではなくなった。
大量の情報から、使える知識を探す。
Webから、必要な傾向を探す。
さらに、機械が情報を扱いやすいように、Web側の情報の持たせ方まで考える。
AIは、情報の海へ入りました。
ワンピースで言えば、まだゾロにも会ってない頃です。
📚 G検定への道｜学習記録はこちら
AI家庭教師・圭と、毎日30分。
G検定に向けて学んだことを、自分の言葉で記録しています✍️
#G検定
#G検定への道
#資格勉強
#勉強記録
#AI学習
#人工知能
#ChatGPT
#AI家庭教師
#データマイニング
#ウェブマイニング
#セマンティックWeb
#意味ネットワーク
#オントロジー
