対象読者
今回から【衝撃簡単AI勉強ページ】を提供していきます。今回はこのシリーズの学び方・使い方について紹介します。ここで、紹介した前提を頭に入れれば誰でも一流AIエンジニアになれると考えています。
それにあたって、私がどんな人に対して書いているかを記しておきます。
- 数学の理解ができなくてAIを挫折した人
- 座学に時間をかけすぎて実践をやれてない人
- 難しい概念理解ができない人
要するに座学が苦手な人を対象としています。そして、それは私自身のことでもあります。AscendBeyond式とは、そんな私でも一流AIエンジニアになれるんだよという証明作業を表しています。
以下ではその証明の仮定について書いています。これを読んで一緒に一流エンジニアを目指しましょう！
AscendBeyond式 AI勉強法
もう、原理で躓いたり数学に尻込みすることをやめたい！
これがAscendBeyond式の核となる考え方です。
でも、「原理を理解しないと意味がない」だったり「数式を理解できないと応用がきかない」なんて言葉をよく耳にします。確かにその意見は正解だと思います。
しかし、それはあくまでも数学や概念理解が得意な人に対してだけの正解だと思います。言うなれば、概念理解から始まる学習プロセスは概念理解が得意な人むけにしか作られていないのです。
つまり、概念理解が苦手な私の様な人は既存の学習プロセス通りに学んでも躓くだけということです。なぜなら、既存の学習プロセスは私たち用に作られていないのだから。ってことは、できなくて当然ですよね。挫折して当然ですよね。だって、道が間違ってるんだから。
このAscendBeyond式ではいわば、概念理解が苦手な人たちのためだけの道を提供していきます。
既存のAI勉強プロセスを王道だとするならば、AscendBeyond式は邪道です。しかし、私たち概念理解の不得意者からするとその邪道が王道となるんです。私がそれを人生を賭けて証明しましょう。
王道のAI勉強プロセス 特長
では、まずは邪道を知る前に王道を確認しておきましょう。王道のAI勉強法を以下に記します。
- AIの基礎を書籍などで学ぶ
- 数学原理から更に深く学ぶ
- プログラミングに落とし込む
- 書籍などから具体的な機能をもったAIを実装する
- 自分でオリジナルのAIを作る
上記が一般的なAI勉強における標準プロセスだと思います。特に基礎・原理に重きを置く傾向がありますよね。
AscendBeyond式AI勉強法（邪道） 特長
AscendBeyond式AI勉強法の特徴を以下に記します。
- 複雑な数式・概念などの座学に時間をかけない！
- 最低限の座学は特徴・性質・用途、タイミング・欠点のみを意識
- 少し考えて理解できないならすぐ次に行く
- とにかく実践あるのみ！！
- 作りたい目標を持つ
以上！ルールはこの５つだけです。これがAscendBeyond式です。
要するに、概念的な複雑な思考は取り除き、実践を重視しようという考え方です。
また、座学の理解に関してはゲームの要領に近いですね。
例えば、学習中に分からない数式・仕組みにであったら、一旦、細かいことは放棄します。そして、以下のプロセスを踏みます。
- 利用されるタイミングをおさえる
→ゲームと同じで使うタイミングさえ知ってれば、最低限の活用ができる - 欠点を知る
→使うタイミング同じものがあった時に取捨選択ができるようになる。 - 特徴・性質を頭に入れる
→概要を知ることは全体像の把握に繋がる
このプロセスは複雑な概念理解を必要としません。いわば、文系脳だけで対応できます。にも、関わらず、これだけで意外とAI構築はできます。
p.s.私もこれを意識してから成長のスピードが上がったのを実感しています。
AscendBeyond式 AI勉強法の具体例
例えば以下のように微分公式が書籍で扱われていたとします。
$$f'(x)=\frac{d}{dx}f(x)=\lim_{\Delta x \to 0} \frac{f(x+\Delta x)-f(x)}{\Delta x}$$
これを見たときに私たちの頭には大量の『分からない』が溢れます。そして多くの時間を費やし理解しようと試みます。しかし、大抵の場合は中途半端な理解で終わってしまいます。
そこで！一旦、数式原理の理解を飛ばします。そして、その代わりに数式の特徴・性質・タイミング・欠点にフォーカスして、次に進みます。上の式で言うと、
- 微分は関数の局所的な挙動を見つける特徴がある。
- 微分は関数の最大値・最小値を求めることができる。（特徴）
- 予測モデルのパラメーターを調整する時に使う。（タイミング）
→最小値を求めるという特徴から誤差の最小値を求められる - コンピュータにおいて計算コストが高くなる。（欠点）
→指数関数はコンピュータの計算負荷を大きくします。
このように、特徴・タイミング・欠点の３点をおさえれば、複雑な概念理解をはさむことなくAIに落とし込めるようになります。
注意点：概念理解を否定しているのではない
ここまでで、複雑な概念理解は飛ばしてもいいと再三いってきました。しかし、それは不必要という意味ではありません。時間を浪費した割に対価が小さいから飛ばすべきだと言っているのです。またいつかは、レベルが上がれば必ず複雑な概念理解を強いられる時がきます。それは確実です。しかし、複雑な概念理解は始めたての今ではないというだけです。
私たちはまだ小さな子供に過ぎないのです。これはAIを学び始めてからの年月が浅いことの比喩です。
では、ここで質問です。小さな子供が野球をする際に深い原理から入りますか？答えはNoです。子供はとりあえずコーチの言う通りに動きますよね。そんなことを繰り返しく中で成長していき、動作に必要な大枠が理解できるようになっていくのです。深い原理を学ぶのはプロや社会人などの一定以上のレベルに到達してからです。
これが成長のプロセスです。それなのに私たちはAI学習となった途端に深い原理から入ろうとする。なぁぜなぁぜ？深い原理を学ぶのはある程度のレベルからでいいと私は考えます。まして、複雑な概念理解を苦手とする人であれば尚更だと思います。
要するに、時間をかけずに理解できる範囲で座学を勉強するということです。
おわりに
ここまでで今回の目的である、AscendBeyond式の説明・導入を終わります。
次回から早速、AIを実装していきましょう！もし、私と同じ「ワクワクしたい」という気持ちを持っているのなら、私と一緒に成長して実現していきましょう！
