点数
50点
感想
浅く広くといった印象で、たいした内容ではなかった。残念。
データを客観的な数値にする
「天気と来客数」という次のようなデータがあったとする。 ('晴れ', 100), ('曇り', 70), ('雨', 50)
これをそのまま処理できるAIモデルはないため、数値のみにする。 (1, 100), (2, 70), (3, 50)
これだと「雨の値は晴れの値の3倍」という実際にはない情報が入り込んでしまう。
晴れを1, 曇りを0, 雨を-1として(1, 100), (0, 70), (-1, 50)と表すとよい。
一方、客観的にデータを分析したいのであれば、4次元のベクトルにして(1, 0, 0, 100), (0, 1, 0, 70), (0, 0, 1, 50)と表す。
ただし、これだと前の3つは0か1なのに4つ目は100や50となっていて不釣り合いな状態である。
例えば、6次元にして、4つ目を100人以上, 5つ目を51-99人, 6つ目を49人以下、とすると(1, 0, 0, 1, 0, 0), (0, 1, 0, 0, 1, 0), (0, 0, 1, 0, 0, 1)と表すことができる。
こうすると、既に存在する「0と1の値からなる多次元のベクトルを処理するAIモデル」を使うことができる。
Google Vision AI
画像をアップロードすると、何が写っているかや、色、雰囲気などを分析してくれる。
AIの導入事例
- 問い合わせ窓口
音声認識により、簡単な問題はAIシステムだけで対応することができる。 - 配管修理依頼
画像解析AIにより、専門家が不在でも修理依頼を指示することができる。 - 商品検索
欲しい商品に近い画像をアップロードしてもらい、候補となる商品を表示することができる。
コメント