かくれまるこふもでる
隠れマルコフモデル
HMM = Hidden Markov Model
観測データから背後の状態遷移を確率的に推定する統計モデルです。かつての音声認識や自然言語処理で主流でしたが、現在はより複雑なパターンを扱える深層学習に主役が移行しています。
詳しい説明
隠れマルコフモデルとは、観測されたデータから、直接は見えない内部の状態を推定するための統計的モデルです。状態遷移確率と出力確率という2つの確率を用い、時間経過とともに変化する現象をモデル化します。
かつての音声認識や自然言語処理では、このモデルが主流として使われていました。しかし、現在ではより複雑なパターンを扱えるディープラーニングのモデルに取って代わられています。
G検定では、深層学習が登場する前の古典的な手法として問われます。ニューラルネットワークとの違いや、なぜ現在のAIでは深層学習が優先されるのかという文脈で整理しておくと理解が深まります。
試験で問われること
G検定
- 深層学習以前に音声認識などで使われていた手法として問われます。
- 状態遷移と出力確率でモデル化される点が特徴です。
- ディープラーニングと異なり、明示的な確率モデルであることを認識する必要があります。