それでは、新たな時代の幕開け、「確率・統計的アプローチ」の基礎となった、ベイズ理論と機械学習をみていこう。

 

そもそも、このアプローチの着想としては、勿論人間に戻る。

 

人間は、生まれてから様々な経験を通して、ある場面でどのように振る舞えばいいかを学習していく。
多くの経験を積み、物事の判断をすることを学ぶというのは、沢山のデータから、統計的に判断していることと同じであると言える。

 

ここで、まず確率分布による意思決定の方法としては、「ベイズ理論」というものに基づいて行われた。

 

ベイズ理論とは、「主観確率」という概念を用いるため、伝統的な統計学では嫌われてきた。

 

主観確率とは、例えばコインを投げて、裏と表が出る確率を、「1/2だろう」と見積もるのが主観確率で、実際に何度も試行をして、最尤推定などの手法から、「1/2」と得た確率を、客観確率という。

 

伝統的統計学では、確率分布はある特定の分布に従っているという仮定のもと、その確率分布を推定していく。

 

コインの例でいくならば、大数法則によって、十分にたくさんの試行を行えば、確率分布は唯一に求まる、という仮定のもと行われている。

 

だが、ベイズ理論では、パラメータ自体が確率的であると考える。

 

コインの例でいえば、表が出た回数の割合をパラメータとすると、何度も試行すれば唯一の解に収束するのではなく、限られた確率的試行の結果、確率的にパラメータが得られた、と考えることになる。

 

で、ちょっと難しく感じていると思うが、いったいそれの何が嬉しいのだろうか。

 

実生活において、確率分布tなど、ほとんどの場合分からない。

 

たとえば、新商品が出たときに、人はどのような購買行動をとっていくのか、というような確率に、分布など推定しようがないだろう。

 

株価だって、どういう確率分布に基づいて動いているのかなんて、推定できない。(対数正規分布や、べき分布などモデル化はされているが、それは過程であり、現実とはかけ離れている)

 

こういう時に、限られたデータから初めて、データが追加される毎に結果を更新していってもよいという「ベイズ理論」の考え方は、伝統的な統計学よりも、はるかに有用なものとなる。

 

我々だって、様々な経験をすることによって、どういう行動をすべきか、というところは何度も経験を重ねることで修正されていったりする。

 

なにか法則があって、完全に決まりきってはいない。

 

その意味では、我々の経験・学習というのは、非常にベイズ理論的であると言えるわけだ。

 

こういった理由から、人工知能を達成する、確率・統計の考え方に、「ベイズ理論」を取り入れることとなっていった。

 

さらに、コンピュータに統計的にデータを扱わせ、予測させていくモデルが「機械学習」である。

 

現在、この「機械学習」に「ベイズ理論」の考えたを取り入れたものが人工知能研究の主流であり、まさに今は「機械学習の時代」といえるというわけだ。

 

さて、次回から、「機械学習」や、再度「ニューラルネットワーク」にも登場してもらい、これらがいかにディープラーニングなど、現在の人工知能研究の最先端に結びついていくのかということを、話して行こうと思う。

ランキングポチは必ず頼むぞ。読み逃げは厳禁だ。

人気ブログランキングへ
にほんブログ村 為替ブログへ
にほんブログ村

売買ルールを手に入れたいなら、、、
動画講座はこちら
売買ルールの実践練習に、、、
チャートブックはこちら