Watsonの医療分野での活躍

インターネットは経済全体ではひたすら進んでいくことになる

通常のNNでしたら、·番最後(右端)の列のセル君、つまり出力を受け持つセル君が「解答」
というの役割を果たしましたところが、すべてのセル君が並列するこのモデルでは、端っこというものがありませんから、誰が出力の役割を果たすのかよくわかりません。
このホップフィールド·モデルでは、誰か一緒の決まったセル君が出力の役割を受け持つということはありません。セル君全員が出力、つまり解答となるのです。
それを説明するために、まず、このホップフィールド·モデルに何ができるのか簡単な例を取り上げることにします。
人工知能は人間を超えたと捉えられても仕方ありません

ロボットによって行われるようになります

例えば、5×5のマスでできた電光掲示板があったとしましょう。
ここには、アルファベットのAが書かれています。
一人のセル君が興奮する、しないの原理は、通常のNNと同じです。
そのセル君が他の全員から受け取る信号の合計量が、そのセル君の持つ閾値より多かったら興奮するし、閾値より少なかったら興奮しません。
さて、ホップフィールド·モデルではこのように、一部のセル君が興奮したかどうかではなく、すべてのセル君の、興奮した、しないという全体像(パターン)を見ることによって、初めて何が表されているかわかる仕組みになっています。

 

ディープラーニングの登場それま

最初に、どこか一つ、もしくはいくつか部分のセルが出力となるのではなく、全員が出力になると言ったのはこういう意味からでした。
全員で何役もこなせるさて、一つのホップフィールド·モデルは、上の例のようにただ一つの文字Aだけではなく、同時にたくさんのパターン上の例で言えば文字を覚えることができます。
実際のRPAの導入事例
人工知能との連携が極めて難しい例があるからです

コンピューターの会社そして持続しつづける

ここではホップフィールド·モデルの学習方法についての説明は省きますが、たくさんのものを覚えられるように、各セル君の結び付きの強さや閾値をああでもない、こうでもないと調整していくのが、このホップフィールド·モデルの「学習」
となります。
覚えられるパターンの数は、数学的に解明されていまして、だいたいセル君の数の15-20%くらいだといわれています。
上の説明では25人のセル君でしたから、25%15%~25%20%-3~5種類の文字しか覚えられないことになります。

人工知能という言葉はひとことも出てこない

そうなるとアルファベット26文字を覚えるためには、173人ものセル君が必要になりますね。
通説として、我々の脳は20%くらいしか利用されていないなんて話があります。
いるのは、単なる偶然でしょうか。
このことと、ホップフィールド·モデルの覚えられるパターンの数の割合が近い数字になってちょっと欠けても直せますさて、ホップフィールド·モデルには、このモデルならではの特徴的な能力があります。
例えば、上のAの文字をいったん覚えさせると、一部が欠けている文字を見せても、うまく自分で修復してAに戻す力があるのです。
下の図では、Aの”部が欠落しています。
セル7君とセル20君が興奮していないんですね。
IoTを満たす主要な技術要素

コンピュータomputingペジーコンピューテイング


巡回セールスマン問題を解くこうした能力の他に、ホップフィールド·モデルには、「最も都合のいい組み合わせを見つける」
をこのモデルで解いたことによって一躍脚光を浴びたのです。
という能力もあります。
というよりも、実はホップフィードは、この問題ここでは業界では大変有名な「巡回セールスマン問題」
「巡回セールスマン問題」とはこういう問題です。
を例に取って説明してみます。
あるところに、たくさんの都市を回らなくてはいけないセールスマンがいたとします。