AIエンジニアだけど質問ある?
■ このスレッドは過去ログ倉庫に格納されています
>>89
> 64分岐64層とか無数の分岐させてAI作っても動かせるマシンって感覚的に無さそうだけど
> あったらどうなるんだろ
それがDLとしたら10万件のデータで変数20個ならPythonでやると数分で計算終わるんだが? 巷のAIによる競馬予測は小嶋陽菜にも劣りますが、
真プロなAIエンジニアは競馬予測できるAIが作れるもんですか? 予想するAIなんて誰でも作れる
予想するだけならな ベッドの角で足の小指ぶつけた
失敗したときにポイントをマイナスすることはAIに対して残酷なことなのかもしれない >>97
ランダムより確率が高くなければ予想と言えないのではないか ドラクエ4のAIはなんとなく分かるんだけど
将棋や囲碁のAIってどうやって作るの? コンピュータ同士で対戦させて勝率が高い手を選択させる コンピュータ同士の対戦方法がわからないw
同じ端末で対面での対戦は可能な状態です
各駒の移動可能マス設定して、相手の移動可能マス設定して、そこに被らないように移動する設定して、、、、
ってやって自動対戦すると条件積んで停止しちゃう
最初の歩はどれにするのかランダムにしても角道開ける定石とかできないし、
んーーー >>95
> それがDLとしたら10万件のデータで変数20個ならPythonでやると数分で計算終わるんだが?
64層だぞ?
終わるわきゃねーだろ馬鹿w ミニ四駆とAIって似てるよな
ひたすら調整して走らせるのみ 弱くていいんだけど将棋や囲碁のAIってどうやって作るの?
ゲームのコンピュータ対戦の仕組みがわからない AIでミニ四駆のセッティングしたら最速になりますか? 中学生です。
技術の授業で、AIについては学んだのですが、中学生ぐらいの知識てもAIは作れますか? ゲームAIなら簡単
弱い敵を優先するとか、HP低い敵を優先するとか、HP半分以下なら回復するとか、if文だけでもいろいろできる
機械学習とか深層学習になると必要な数学のレベルが上がる
でも使い方だけ覚えて使うなら使えなくはない ところで、AIエンジニアはどのような言語を使っているのですか?
僕のイメージでは、C言語やアセンブラーを使っているという感じです。 >>116
ゆっくりでいいならPython
速く計算したいならC
アセンブラはロボット制御で使うが、
アセンブラの部分をAIとは呼ばないかも
おれのやったのでいうと
販売予測などはPython
自動運転やロボットはCでやった >>57
そうですか?
僕は数百年後(数十年後かもしれない)にはAIを小学生でも当たり前のように作る世界になっていると予想していて、
AIエンジニアこそ最高の職業だと思っているのですが··· >>121
AIエンジニアは例えばOpenGL使えますエンジニアと同じだと思う。
3dも実際に組み始めると数学的な素養が必要で、かつ、3dなんてゲームから一般的なwebまであらゆるものに広く必要とされている。
しかし、実際、そのあらゆる製品たちはツールやライブラリが発達しており直接OpenGLでゴリゴリ書く仕事は、一般的と言うよりはまあ専門的な技術。
そして、この業界はそんな専門的な技術が数100種類も存在している。(本屋に行けば分かると思うが)
なのでAIもその一つになるだけ。強みである事には変わらないと思うが、それ一本だけでは食って行くには厳しい世界。 >>111
16才の自分を見ているようだw(20年以上前)。最も簡単なのは深さ優先探索。
最初に評価関数を実装し、あとは再帰関数でmax4階層とか指定して互いに手を打つ(自分は評価関数が最大、相手は最小になる手を選択する)。そして4階層目の未来で評価関数が最大になる手を選ぶだけ。 >>122
俺も昔CADツールとか作ってた
やってることはめちゃくちゃ難しいのだがビジネスとしては実質死に体
オープンソースのものでいいやとなって職を失った
技術の高さとビジネスは別だしね
量産型Webの方が遥かに稼げる >>126
CADツールというと、建築とかの時に使うソフトですか?
中学生でもCADツールを作ることはできますか? >>127
数学的に中学レベルじゃきついので無理です
3D関係の数学は一通り必要です AIを自分で組んでみたいとき
とりあえず統計学を勉強すりゃいいのかね?
座学として何すりゃいいんだろ
物理と違ってイメージしにくい ライブラリ使わず数式から構築していきたい
統計学は学んでないけど線形代数は得意分野です
やるな!の車輪開発です
勉強目的として 答え与えて応えてもらうって機械学習の基礎できてるやん 機械学習というと、データをコンピューターに入れて、それを元に計算していくというものですよね?
となると、エクセル(表計算ソフト)もデータを入れて、コンピューターに計算させる訳ですから、エクセルも機械学習のようなことをしているのですか? ミニ四駆がコースアウトする度にセッティングを変えて最速を目指すのは機械学習です
ひとりひとり毎回違う答が出るところが面白いですね >>138
エクセルのVBAで機械学習してる人は多いよ
知り合いのメーカーの人もクラウドとかオンプレのマシンは予算つかないから
そこそこのスペックのノートPCでやってるという話を聞いた VBAでですか!?
僕なんて、IF文たくさん書いてAI作ったという気になっているだけなのに··· >>131
基礎の座学はG検定がある。そしてscikit-learnとkerasのチュートリアルに沿ってプログラムを組んで見れば取りあえず納得感は得られる。仕上げにkaggleの過去問を数問解いて見れば概ねスタート地点には立てていると信じてる。
自分はここで興味が尽きた。 AIっていうのはアルゴリズムを人間が指示する必要がないということなんだよ プログラム書いたりシステムの外部設計できないAIエンジニアって
全体の何割くらいいるの? 近くの敵を攻撃する
複数いる場合は瀕死の敵を優先して攻撃する
弱い敵を優先して攻撃する
範囲攻撃の場合は強い敵を優先して攻撃する
遠距離攻撃の場合は強い敵から離れて攻撃する
自分のHPが、、、、
これもAIだからな >>148
それAIじゃないぞ
ゲーム用語としてそういうのをAIって呼ぶことはあるが なんかAIの資格ってなかったっけ?
それ持ってたら名乗っていいんじゃね? >>148 はコーディング可能だからAIじゃないけど、
自律的に動いてるように見えたらユーザーはAIというだろう 決定論的にルールを記述するのが従来のプログラミングだけど、細かい条件の振る舞いだけを定義するのが論理プログラミング。これも一応AIの一分野。まぁ、いまのAIはほとんど機械学習だけど。 >>154
当時のAIはただのフラグ管理らしい。勿論、機械学習を使えば無駄にザラキしなくなる。最適解しか出さないゲームAIがゲームとして面白いかはしらん
https://togetter.com/li/1432668 コロナの影響で需要が落ちたけど、まだまだCOBOL化の手前でPythonは生きている >>155
今までレベルアップさせるのが成長の要だったけども
これからはAIを成長させる事がゲーム要素として入ってくるんじゃないか?
例えば肉弾戦にはこのチーム、魔法使い相手ならあのチーム、そしてボス戦を見据えたAIを育てて・・・
今まではスライムでも何万匹も倒せば同じように強くなっていった
これからの戦力マネジメントは単純なパラメータアップじゃなくていかに連動していくかを育てる事 ゲームで遊ぶ側が結構馬鹿が多いから
難しいアルゴリズムのとか売れないと思う 課金したくなる作りならあとはどーでもいい
って頭の悪そうな開発はしたくない >>162
課金したくなるつくりになっているかを確認するために、AI関連技術は多様しますな。バンディッドアルゴリズム言いますけど。要はABテストですな 数字認識ってどのくらい難しいの?文字位置にちょっとブレ・上下に枠線がある状態で、2桁の手書数字をある程度の割合で読むプログラムとか簡単にできる? >>166
30年ぐらい前に解決済み
難しいのは人間が見ても分からないのばっかり
解決済みの問題をわざわざ深層学習でやるのはどうかなと思う >>160
RPGじゃないが『アストロノーカ』と言う、
対AIのゲームがあった。 >>131
今なら統計とか後回しでオッケー
必要に応じてつまみ食いするだけで良い
やりたいこと次第だがとりあえずディープラーニングを覚える
基本的な回帰、分類、画像認識(CNN)、自然言語処理(BERT)を数式ベースで導出までできるように
これがしっかりできれば理論的にある程度統計も内包してるし
最適化アルゴリズムとしての考え方も学べる
次にやるなら勾配ブースティング
決定木系はデータが少ない場合でも非常に精度が高いから
やっておくべき
これ以外は正直時代遅れなものが多いから必要に応じてやればいい 統計のつまみ食いだが回帰における最小二乗法と分類におけるロジスティック回帰における最尤推定法を覚えるだけで良い
これらはディープラーニングの基礎となる理論でめちゃくちゃ重要 思ってたより早くAI作る作業が自動化したな
前処理やビックデータ管理の作業は残るけど ラジコンヘリをAIで自動操縦させるよう機械学習させた結果、、、
導き出させた最適な飛行ポジションがなんと逆さま飛行だったw
って実験が面白かった 意外にも通常飛行は姿勢維持が難しいのだ >>172
ほほう
そこまで分かってるのに
つまみ食いとは謙虚ですな AI開発は難しそうなので、
AWSのAIエンジンとその進化にすべてをゆだね、乗っかるつもり。
これが正解だと思うが異論あるかな? 微分方程式をマスターした方がいいと思うけどなぁ
マルコフ決定論でありとあらゆるシミュレーションが実効できるようになり
ある目的のAIを設計する前に行う仮説の検証が容易になるんじゃないかと >>175
回帰や分類って統計学の本筋とは違うと思ってる
あくまで応用分野
統計の本筋は検定や統計的決定理論なんじゃないかと
その辺って実務的には直接役に立たない基礎理論だから
好きな人はやるべきだし
数学的には非常に厳密に構築されてるから
学びとしては面白いのだけどね
ただルベーグ積分が難しすぎるため挫折した >>178
なんか言ってることがむちゃくちゃですよ?
大丈夫ですか? >>176
その前提なら、その結論で方向性は正解だと思うよ
ただAWSが良いかどうかはちょっと疑問だが。 >>176
> AI開発は難しそうなので、
まずそのAI開発がなんのことを言ってるのかわからない。
何を開発することをAIとか言ってるのか?
東大の松尾も書いているように
この世には人工知能(AI)なんて存在してないんだが? 機械学習した内容(途中経過も含む)ってどのように永続化するんですか? AIがやってるのって平均取ってるだけじゃね?
最小二乗法もクラスタリングも無難なとこに線引いてるだけだし。
遺伝的アルゴやディープラーニングも力技で線引く所決めてるだけだし。
AIが発明できるようになったら勉強するわ。 試行回数が無限ならそうだろうけど
試行回数に制限があったり時間内に最適な分類を他者より早くしたい!
みたいなスピード勝負、早いもん勝ちみたいなときにはまだ使えるかと
まぁギャンブルのことなんすけどねw >>188
いまどきのAIとか人工知能って
ちょっと複雑な回帰やってるぐらいのレベルですよ。
役に立たないとはいわんけど、
もうちょっと控えめに表現して欲しいと思います。
うちの社内ではAIとか人工知能って単語使いません。
そんなもの現段階では存在しないですから。
機械学習やってるなら機械学習って言いますし、
統計解析とかデータ分析と表現します。
AIとか人工知能という単語は
馬鹿をだますためのバズワードだ、
と社内の誰もが言ってます。 >>190
強化学習だとAIと呼んで抵抗が無いものが出来るんだな ■ このスレッドは過去ログ倉庫に格納されています