おっさん、AIエンジニアになる！と勢いで学習スタート
が、しかし！
そもそもAIって何？
はずかしながら、いまは初歩的なことも説明できないレベルです、、汗
当記事のタイトルにある「独学シリーズ」とは、30代未経験のおっさんがAIエンジニアになってお金を稼ぐまでの道のりを記した「独学ノート」となります。
独学ノートには「 学習内容 」「 学習価値 」「 学習課題 」の３つから構成されるトピックを書き記しており
「学習内容」には、AIエンジニアが知っておくべき基礎知識を学びます。
「学習価値」には、学習内容から得られるバリューを可視化します。
「学習課題」には、次回独学シリーズまでに解決するテーマ(宿題)です。
以上、３つのポイントを解説しつつ、「AIの本質」を皆さんと一緒に学ぶことが目的です。
それではさっそく、知識ゼロのおっさんがAIエンジニアになるために、どんな独学をしているのか赤裸々に公開していきます。
学習内容その① | AIって何？
AIとは、Artificial Intelligenceの略語で、直訳すると、ご存知のとおり人工知能となります。
AI、人工知能と聞いてもフワフワしているので
純粋にAIに対するイメージを書き出してみます。
- コンピューターが頭脳をもってドンドン賢くなる
- 機械学習、ディープラーニングというものがある
- pythonというプログラム言語が使われている
以上、これらが学習前から何となく知っていたことです。
たぶん、みなさんも私「おっさん」より少し知っているか、ここだけの話、同じくらいだったりしませんか？
新聞やメディアには
- AI搭載の無人偵察機が人類を脅かす…
- 人材不足が深刻な農業にAIで挑むベンチャー
- 社内データをAIで解析して販売予測を可視化します
などと書かれていますね。
もはや「AI」というキーワードが一人歩きしてて、いざ「AIって何なの？」と聞かれても「AI？正直わからん！」って思うのは私だけでしょうか。
ちなみに、2030年ごろにAIに置き換わる職業などと騒がれていますが、
実は1940年にAIが誕生し、既に研究されていていたようです。
このころ、AIの第1次ブームと呼ばれていたようですが
当時のコンピューターは演算能力が低く、十分な分析結果が得られないことから、AIの実用化には至らず、第一次ブームはひそかに終わったようです。
その後も研究が進み、 1980年代にAIの技術革新によって、第2次ブームが再来、しかし実用化されず第二次ブームも下火に。
そして2008年頃からディープラーニングと呼ばれる技術革新により、 第三次ブームが起き、今まさに再注目されているようです。
次回テーマ：AIの第一次～第三次ブームの歴史を「技術革新」と「実用性」の観点から説明します。
学習内容その② | AIエンジニアってどんな技術者なの？
そもそもAIエンジニアとは、もともとある
- SE（システムエンジニア）
- インフラエンジニア
- サーバーエンジニア
- ネットワークエンジニア
～エンジニアの「～」の部分が「AI」になって、AIに特化したエンジニア(技術者)ということなんですね。
なぜIT業界にいろんなエンジニアが存在するのかというと、家を建てる仕事と一緒で
- 家の設計を専門におこなうプロ
- 家の土台(基礎工事)を専門に施工するプロ
- 家の柱、部屋、風呂などを専門に施工するプロ
- ガス、水道、エアコンなどの設備を専門に施工するプロ
ざっと、「IT」を「建築」に置き換えて説明すると、建築業界にも１つに特化した専門家がいるのと同じです。
次回テーマ：AIエンジニアの仕事、概要についてもう少し具体的に説明します。
学習価値 | AIエンジニア向けの資格があるらしい
AIの知識を身に着けるため、教材や学習方法を探していたところ、
「一般社団法人 日本ディープラーニング協会」という
ディープラーニングを中心とする技術による日本の産業競争力の向上を目指す
団体が発行する「JDLA Deep Learning for GENERAL：通称G検定」の資格を発見しました。
ちなみに、 このG検定の資格を取得すると、
人工知能（AI）とは（人工知能の定義）
引用元： 一般社団法人 日本ディープラーニング協会
人工知能をめぐる動向例題 例題
探索・推論、知識表現、機械学習、深層学習
人工知能分野の問題例題 例題
トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ
機械学習の具体的手法例題 例題 例題
代表的な手法、データの扱い、応用
ディープラーニングの概要例題 例題 例題
ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU
ディープラーニングにおけるデータ量
ディープラーニングの手法例題 例題 例題 例題
活性化関数、学習率の最適化、更なるテクニック、CNN、RNN
深層強化学習、深層生成モデル
ディープラーニングの研究分野例題 例題
画像認識、自然言語処理、音声処理、ロボティクス （強化学習）、マルチモーダル
ディープラーニングの応用に向けて
産業への応用、法律、倫理、現行の議論
これらの知識レベルが向上し、AIをビジネスに活用するイメージが鮮明になるとのこと。
今回学習した内容「AIって何？」「AIエンジニアって何？」をもう少し学習すれば、
G検定にある
- 人工知能（AI）とは（人工知能の定義）
- 人工知能をめぐる動向例題 例題
２つに関係する知識の会得に役立つでしょう。
次回テーマ | AIエンジニア独学シリーズ第2回でわかること
AIエンジニアになる独学シリーズ第2回では、
- AIエンジニアの仕事、概要
- AIの第一次～第三次ブームの歴史
について、より具体的に説明できるように、おっさんが学習(独学)します。
ぜひお楽しみに～
