サラッとなぞるAIの仕組み ~リカレントニューラルネットワーク（RNN）の進化~

okuoku2

その他

業務にどのように役に立つかわかりませんが、AIについてサラッと理解できました

t1hnm

マーケティング

ニューラルネットワークがAIのモデルのベースと認識してました。だけど、今はトランスフォーマーと知れてこの動画を視聴して良かったと思いました。

vegitaberu

人事・労務・法務

RNNの進化について、概要を理解できました。人間がしていることを分解して、丁寧にみると、同じようなことしているように感じます。AIを進化させることは、人間を作ることなのかもしれないな、とも感じ、夢ととともに、怖さも感じます。

hhmorimoto

メーカー技術・研究・開発

RNN LSTM GRU Attention Transformerについて、サラッと理解出来ました

madara68

専門職

データ処理はさまざまな試行錯誤と組み合わせで成り立っていることが分かった。

nabezo1962

人事・労務・法務

いやー、難しい。なんのこっちゃ。

celt

クリエイティブ

私は単純にAIを利用するだけの立場ではあるが、AIの弱点とその克服の開発の歴史を知ることで、AIの癖を理解し、適切かつ効果的に利用するヒントになるかと思って受講した。RNNという言葉自体知らなかったし、LSTM、GRU、Attention、Transformaerという改善モデルについても初めて聞いたが、少しわかった気になれた。

nob_non

メーカー技術・研究・開発

人間の視覚に関して認識できる視野は全体の一部であるということが分かっている。ＡＩもそういった意味では人並みに多すぎる情報は削る必要があるのは、人間っぽい。

ke_ko_

営業

難しい…勉強になるが理解ができない

nakata0505

建設・土木　関連職

業務の中で何に使用できるかまだピンと来てないが、様々な処理をすることで、効率的に学習が行えることが理解できた。

tomtotm

メーカー技術・研究・開発

まだまだ、この分野に関しては改善が必要なことが分かります。人間はどれほど多くの情報を同時にこなしているのか想像すると凄いですね

tohrut

専門職

RNNを生かすためにATENTION、Transformerが開発され
ATENTIONの入力されたデータのどこに注目すべきか、動的に特定する仕組みを活かす構造で進化

kamakuramm

その他

RNNの進化を学習することができましたが、単語が多すぎてついていけませんでした。

yurina_2024

経理・財務

AIが弱点を克服するためいろいろなシステムを開発していてすごいと思いました。ますます興味がわきました。学習を進めます。

1f-noriyuki

営業

段々と難しくなってきた印象。

ark2024

その他

学んだ内容を自分の業務や日常において活用することは難しそうですが、興味深い内容でした。
初めて耳にする単語が多かったですが、少しずつ耳慣れするところから始めたいと思います。

katakorikei

マーケティング

言語モデルの進化が理解できました。

seishiro

営業

ありがとうございます

grateful

専門職

RNNの弱い所を克服しトランスフォーマー素晴らしい。

noir_hpy

経理・財務

AIの進化がわかった。

n_jiro

営業

RNNにも課題があり、それを解消する技術があることを理解しました。

papapon

営業

ＲＮＮの弱点克服にトランスフォームが最適とわかった。

w371173

経理・財務

ＲＮＮの弱点を克服するための進化が、すごい。

gantetsu013

営業

あい自体が進化の途上

paseri_2

メーカー技術・研究・開発

AIエンジニアと話す際の用語となる

4ktake

人事・労務・法務

もう少し学習してから考えたい。

toshi-iwai

経理・財務

RNNからの進化で色々な手法が出てきて今はトランスフォーマーなのですね。言葉を理解するのに復習が必要です。

ma_a80

金融・不動産　関連職

進化の行程がわかりました

akirakanno

営業

RNNの弱点を補うために、新たな発想が生まれた

chang_shin

販売・サービス・事務

RNNは長い動画に対応することが難しかったが、アテンション、次にトランスフォーマーによって解消に向かった。キモは注目すべき情報の参照（アテンション）、情報同士の関連性（トランスフォーマー）。

obapanda1

マーケティング

RNNの進化にも色々な試行錯誤があったことが理解できました。

yuu3131

金融・不動産　関連職

RNNやその他の仕組みが理解できた

aki4444

建設・土木　関連職

むつかしかった
もう少しやさしいのがよかった

dbmaster

IT・WEB・エンジニア

AIは仕事では数案件、プライベートは多数開発して日常生活や趣味で活用していますが、いつも駆け足で理論は後回しだったので知識の整理ができてよかった。

kshimada

メーカー技術・研究・開発

イメージはつかめました。

melmb_kw

メーカー技術・研究・開発

まず、RNNの弱点を知ることが出来た。対策方法に関しても、何を学習の対象とするのかで、学習モデルから抽出すべき情報を適正化しないといけないと思った。

zling412

資材・購買・物流

仕組みについて理解しました。

masahide_oi

マーケティング

トランスフォーマーによるRNN解析によって自然言語処理が進化した

nagase29

営業

RNNの進化の過程が学べて興味深かったです。足らない部分を補うために日々進化しているのですね。制度を上げるためにさらなる進化がありそうですね。

w_axl

メーカー技術・研究・開発

奥が深いですね
人は　意識せずやれている所が凄いですね

sa-yamanaka

販売・サービス・事務

AIについて様々な用語や仕組みがあり難しかったですが、今後の参考にしたいと思います

k1_k

経営・経営企画

ポイントを押さえ、まさしくサラッと理解できました。

ks070341

その他

トランスフォーマーの位置づけについて理解できた

lifeline

営業

めちゃくちゃさらっとお説明してある

komiyama34

資材・購買・物流

さらっとしすぎな気がしました。
よくわからなかったです。

h-kozawa

メーカー技術・研究・開発

業界雑誌のAI技術特集記事で同じことを説明したものがありましたが、Attention技術の出現により状況が一変した、ぐらいの認識しかできていませんでした。このシリーズの本編を視聴したことにより、AttentionとTransformer技術で何ができるようになったのかが大変よく理解できました。

mo_o

その他

リカレントニューラルネットワークの進化を何となく理解することができた。勉強が必要です。

moveon-s

資材・購買・物流

RNNの仕組みがわかりました。　CNNの弱点を克服するために開発されたので、弱点克服する事ができたことでAIの精度がアップにつながったのはすごいです。

m-takayoshi

営業

完全なモデルはなく、足りない事を補う為に
新しいモデルが誕生していると感じました

kaneko-ju

IT・WEB・エンジニア

画像処理といっても適切なモデルを考えなければならない

naoki0814

マーケティング

RNNには長いデーター処理不向きであったが、トランスフォーマー技術などを用意て解消することができた

oknmkcti

経理・財務

これからも進化しそうですね

jack2baker

コンサルタント

時系列だからこそのRNNと、その弱点を克服していく過程でのAttentionから、Transformerの流れ、さらに言語モデルへの活用についてその背景をよく理解することができました

iwc_co

建設・土木　関連職

内容を理論的には理解できたが、現段階ではどの様に業務に活用できるかがイメージできなかった。

nyattatta

マーケティング

RNNも進化を遂げて今の形があることに驚きました。今のAIは様々な仕組みが組み合わさって、仕組みと仕組みがそれぞれの足りないところを補い合いながら成り立っていることに感心しました。

nekonyan

IT・WEB・エンジニア

動画の中の物体で、どれが主になる物体で、それ以外の物体か、何を中心に、その他の物体と関連づけるのか、それは外部から指示するのでしょうか？画像の中心に配置されるものが主ですか

inoino2005

経理・財務

基本的な事がわかり参考になった。

y-shiraki

販売・サービス・事務

複数あるので、名称を覚えるのは難しいですね。

70sp1208

その他

RNNの弱点を補うために様々なＡＩの手法があることを知った。一言にＡＩといってもいろいろな仕組みがあり、これから勉強していかなければならないと思った。

jll00415

メディカル　関連職

少し難しくなってきて理解するのに時間が掛かりそうです。トランスフォーマーというとおもちゃや映画を思い出してしまい頭に入ってきません。

ur_0314

メーカー技術・研究・開発

度々に耳にする、TransformerがRNNから進化したものだということを知ることができ、さらにどんな処理をするのかが理解できた。

fu-fu-fu

クリエイティブ

RNNの弱点を理解できた。そしてその後の進化についても理解できた。LSTM、GRU、attention、 Transformerと続く流れが理解できたが、まだまだ進化の途中と見受けられるので、これからの進化にも注目するべきだと感じた。

yasgoh

販売・サービス・事務

RNNは、データが長くなると古いデータの記憶が薄れていく。
そこで、長いデータの中でも必要なデータと不要なデータを区分し、必要な情報を保持できるよう工夫されたのが、LSTM（Long and Short Term Memory)とGRU（Gated Recurrent Unit）というニューラルネットワークが登場した。
LSTMとGRUはRNNと比べて性能はよくなったが、構造が複雑になり、学習のコントロールが難ししくなった。また、データが長くなると記憶が覚えられなくなるという課題も残っていた。
そこで、注目すべき情報を保持して処理のたびに参照するAttentionが登場してこの課題を克服した。
さらに、Attentionの仕組みを取込んだTransformerというニューラルネットワークの構造が考案され、情報同士の関連性を扱うえるようになった。
これにより、長い連続したデータに含まれるそれぞれのデータ同志の関係をうまく取り扱うことができるようになり、テキストデータの中の主語述語といった構造情報も重要といったデータをニューラルネットワークがうまく理解できるようになった。結果、言語モデルが大きく発展した。

ananana

販売・サービス・事務

RNNからの進化が凄いですね。結局誰が考えてるんだろう。凄い世界だ。

gokusi

販売・サービス・事務

ＲＮＮの弱点を解消することを克服するところはさすがＡＩだと思いました。人間も弱点を克服しようと思いますが途中で挫折したり、時間がかかったり。人間の負けを感じます。

oyobe_y

営業

RNNの弱点をどのように克服したのかを理解できた

taka_miffy

経営・経営企画

アテンション、
新しい言葉が出てきた。

001yy

IT・WEB・エンジニア

課題があり進化し続けているということですね。大変参考になりました。

sales_supdoctor

金融・不動産　関連職

RNNの進化として時系列データを扱う弱点をLSTMやGRUよって弱点を克服したが、attentionによって必要のデータのみ残したり、tranceformerによって関連づけられることで、更に高度化したことが理解出来ました

nakashi49

営業

RNNの長い時系列データを扱えない課題解決手段として、いくつかの処理モデルが開発され、その中でもTransformerモデルが、今のLLMの技術革新につながっているのだろうな、ということが漠然とだが理解できた。

shioa

IT・WEB・エンジニア

時系列のデータ処理に関して学んだ

genchawan

販売・サービス・事務

RNNの弱点への克服。すごい速度で進歩しているんだろうな。これから世の中はどうなるんだろう？

bonjours

金融・不動産　関連職

RNNが生成型AIにどうつながるかよくわかりました。

dansagami

金融・不動産　関連職

人間はRNNを自然と行なっているのが興味深い

saijo_ky

IT・WEB・エンジニア

Transformerがどのようなものなのか理解できた

chihiro_s

販売・サービス・事務

活用の具体的なイメージはできない

isobe2615p

その他

人が横断歩道を渡る時に、人と周囲・環境とを紐づければ、全部覚えておかなくて良いということが分かりました

yoshikana2020

販売・サービス・事務

RNNには弱点があるが、それを克服するために様々なモデルが開発されてきたことが興味深い。

takahashi-m

その他

リカレントニューラルネットワークの進化
・前は少し前しか覚えられなかった
・今は、LSTMとGRU 性能は良くなったが、学習のコントロールが難しい
・より良いもの　ATTENTION 大事な情報を覚える　処理のたびに参照
・さらに　TRANSFORMER 大切な情報同士を関連させる

makotokoma

販売・サービス・事務

ＡＩの基礎が、分かりました。

marimariiii

金融・不動産　関連職

AIってことばでひとくくりに思ってましたが
いろんな進化を経てトランスフォーマーのような
仕組みをきづいて行った事をしりました

yasuokam

IT・WEB・エンジニア

RNN は、LSTM, GRU から Attention、Transformer と進化してきていると学んだ

maeken1969

営業

時系列データに対しての取り組みがわかりました。そして課題も。脳までたどり着く日も近そうですね。

kamiyama-shohei

その他

用語が増えてきましたが、１つ１つ理解していきます

fu-atoreichi-ma

その他

RNN、リカレントニューラルネットワークは、長すぎる時系列データを扱うと、適切に処理できないという弱点あり。その弱点を解消するために様々なモデルが開発されLSTMとGRUは、必要なデータと不要なデータを区別して弱点を解消。Attentionは注目すべき情報を処理の度に参照して弱点を解消し、Transformerは情報同士の関連性を扱うことで弱点を解消。 時系列データを扱えるRNNだからこそ弱点があり、その克服には様々なモデルが開発されてきた。
RNNの弱点克服により品質が担保され、更に技術向上に貢献するだろう。

sachi000

販売・サービス・事務

タイムリーに処理するために、多くの仕組みや構造が取り入れられているとわかりました

kimoan

IT・WEB・エンジニア

活用はできなさそう。

ys_sato

経営・経営企画

大まかな理解が進んだ

wataru_f

メーカー技術・研究・開発

短期記憶しかできないRNNの弱点を克服する開発から、重要な情報のみ参照するAttentionが開発され、更に情報同士の関係を認識できるTransformerに発展した。これにより自然言語モデルの解析が発展。

yuna_hara

マーケティング

RNNの進化はLSTM,GRU,attention, transformerがあったことを理解した。