機械学習はなぜフレーム理論を回避できるのか、東京ドームと傘で説明してみる。

第二世代までの人工知能の場合や、コンピューターのソフトウェアの場合、
記述していないプログラム、ルールは実行できない。

例えば、雨が降ったら傘をさすということはプログラミングできる。
だから、それはできるけど、
そのかわり、雨が降らない東京ドームでは、決して傘をさすことはない。


しかし、これが、巨人対ヤクルト戦だったら、どうなるだろう。
東京ドームでも、ヤクルトファンは傘を指すのではないだろうか？
こんなかんじ・・・

https://www.youtube.com/watch?v=MPhyPZincXE
（音量注意：おとなります）

・・すみません、ヤクルトファンでないので、これ、東京ドームでもやるのかは、
よくわかってませんけど・・・たぶん、やるんですよね（＾＾；）


でも、上記に書いた通り、第二世代までの人工知能の場合や、コンピューターのソフトウェアの場合、
プログラミングしていない、ルール化していないことはやらない。
ヤクルトファンがみんな傘をさして応援していても、第二世代までのコンピューターは傘をさすことはない。

このように、書いてないことはやらない・・・とすると、ある行動を起こすために、
あらゆるケースを想定して、すべてルール化しないといけないが、すべてのルールを記述することは
できないし、もしかけたとしても、その中から適切な行動を選択・実行するには、膨大な時間がかかるので
実質、適切な行動を、適切な時間内で行わせることはできない。

これが、フレーム理論

---

しかし、機械学習の場合、

・いま、目的変数は、傘をさすかどうか
・説明変数は、センサーで得られる情報しか利用できない。
　今回の場合、センサーは、触覚（雨を検知できる）、音、画像・・・と限られたものとなる。
・ルールは自分で学習するので、
　　　触覚センサーで雨を確認したら、傘をさすことは、学習できそう・・・
　　　東京音頭の音声を聞いたら、傘をさすということも、学習できるんじゃないか・・・
　　　それも、神宮球場でその状況を聞いて・・・

・仮に学習できるとすると、一度も東京ドームに行ったことがなくても、
　「東京音頭を聞いたら、傘をさすこと」とかプログラムを書かなくても、
　「神宮球場での学習結果」を利用して、東京ドームで、東京音頭がなると、傘をさす・・・はずである。

　つまり、プログラムを書いていなくても、なぜ、ヤクルトの人は傘をさすかを知らなくても
　適切な行動を行える。

---

　これは、機械学習は、目的変数が明確で、
　・行動を起こすのに必要となる説明変数は、センサーからのデータと限られた範囲であり、
　・行動を起こすために必要な学習は、目的変数と説明変数間の相関だけで行う
　　　　というすべで有限。それもかなり狭い限定された環境の中に問題を閉じ込め、
　・ルール取得を（学習により）自動化できた
　ので、行動できている　（人間もそうだけどね）

---

　ただし、相関をもとに行動しているのであり、
　理屈を知って動いているわけではないので、まちがいはある。

　盆踊りで東京音頭が鳴り響いたら、傘をさす可能性はある・・・