Z80のための人工知能
Artificial Intelligence for the Z80 (dfsantos.com)
要約
本書は、BASIC言語を用いてZ80マイクロプロセッサ上で人工知能の基礎をゼロから学ぶ実践的なガイドです。アルゴリズム、データ、ニューラルネットワークといった概念を、8ビットコンピュータの制約の中でどのように実装するかを解説しています。全12章で構成され、スペイン語版と英語版があります。
全文翻訳
← 書籍とガイドZ80のための人工知能
2026年 · BASIC · Z80
BASICでゼロからプログラミングすることで人工知能を理解する。8ビットコンピュータ上のアルゴリズム、データ、ニューラルネットワークを巡る実践的な旅。
12章スペイン語版 / 英語版の2つのエディション
[画像: Inteligencia Artificial para el Z80][画像: Artificial Intelligence for the Z80]
プログラムを一つずつ実行しながらAIを理解する
本書
8ビットマシンに人工知能の基礎を持ってきたらどうなるでしょうか?本書は「作って学ぶ」アプローチを採用しています。アルゴリズムを書き、その結果を観察し、各プログラムの背後にある決定を理解します。BASICはアイデアを、追従、変更、SpectrumやSpectrum Next、またはエミュレータで実行できる命令に変えます。
旅はAIの歴史から始まり、メモリと速度が限られたコンピュータを最大限に活用する方法という実践的な問いに続きます。ソートアルゴリズムを比較し、実行時間を測定することで、エキスパートシステム、ELIZA風チャットボット、Minimaxとアルファベータ枝刈りを使用したtic-tac-toeプレイヤーの準備が整います。
知識はルールからデータへと移行します。線形回帰は実際のCO₂測定値で機能します。k-NNとナイーブベイズはロールプレイングキャラクターを分類します。k-meansはラベルなしのグループを発見します。パーセプトロンと多層ネットワークは、重み、誤差、活性化関数、バックプロパゲーションを説明しながら、学習を数字認識まで進めます。
ライフゲームは、別の種類の複雑さ、つまりトレーニングなしで単純なルールから現れる振る舞いで本を締めくくります。完全なリストと実験は、読者にパラメータを変更して何が起こるかを見ることを促します。物語は最初から最後まで追うことができ、コードはより詳細な確認が必要なときにいつでも利用できます。プログラムは本のレポジトリでも利用可能です。
旅
作って実験するための12章
本からの画像とともに各章を見ていきましょう。画像を選択すると拡大表示されます。
人工知能の主要な分岐の図
第1章
人工知能からBASICへ
AIの歴史、その主要な分岐、そして私たちの作業ラボであるZ80、Spectrum、Spectrum Nextを巡る旅。これから構築するものとその理由を理解するための出発点であり、BASICがそれを探求するための有用な方法であることがわかります。
[画像: 3つのソートアルゴリズムを比較したSpectrumのパフォーマンスチャート]
Spectrumのパフォーマンスチャートは3つのソートアルゴリズムを比較しています
第2章
複雑さとの戦い
バブルソート、シェルソート、クイックソートのタイミング測定は、アルゴリズムの複雑さを可視化します。パフォーマンスプロットは、クロックスピードを上げても効率的なアルゴリズムの選択に取って代わることはできない理由を示しています。
[画像: BASICエキスパートシステムがテープローディングの問題を診断]
BASICエキスパートシステムがテープローディングの問題を診断しています
第3章
エキスパートシステム
事実、ルール、推論エンジンが小さな診断システムを形成します。知識を推論メカニズムから分離することで、ルールを拡張し、結論がどのように導き出されたかを説明することが可能になります。
[画像: ZX Spectrumで実行中のELIZAとの会話]
ZX Spectrumで実行中のELIZAとの会話
第4章
シンボリックAI
ELIZAの実装は、パターンと応答を通じてテキストを変換します。正規化、キーワード、置換が会話を構築し、対話をシミュレートすることとそれを理解することの違いを明らかにします。
探索の章からのtic-tac-toeゲーム
第5章
ヒューリスティック探索
tic-tac-toeは、状態を表現し、決定木を探索する方法を提供します。深さ優先探索、Minimax、アルファベータ枝刈りは、先読みをして移動を選択するために必要な作業を減らす方法を示しています。
[画像: CO₂データに適合した回帰線を示すSpectrumのプロット]
CO₂データに適合した回帰線を示すSpectrumのプロット
第6章
線形回帰
ルールからデータへの移行は、直線を当てはめ、誤差を測定することから始まります。マウナロアCO₂データを使用した例では、最小二乗法を実際の問題に適用し、BASICで計算およびプロットしています。
[画像: k-NNでキャラクターを分類するBASICプログラム]
k-NNでキャラクターを分類するBASICプログラム
第7章
教師あり分類: k-NN
魔法使い、戦士、レンジャーが特徴ベクトルになります。分類器は最も近い例から決定を下し、距離、データ表現、kの選択が結果にどのように影響するかを示します。
Spectrum画面でのナイーブベイズ分類結果
第8章
確率的分類: ベイズ
同じキャラクターの世界が、今度はカウントと確率を通して探求されます。ナイーブベイズは、近接性に基づく決定と、独立性に関する仮定に基づく決定を対比させます。
[画像: BASICでプロットされたk-meansクラスタリングの4つの段階]
k-meansクラスタリングの4つの段階がBASICでプロットされています
第9章
k-meansクラスタリング
事前に定義されたラベルなしで、プログラムは点のクラウドからグループを探します。例を割り当て、セントロイドを移動させることで、収束するまで視覚的に反復プロセスを追うことが可能になります。
[画像: 水平線と垂直線を区別するためにパーセプトロンをトレーニング]
水平線と垂直線を区別するためにパーセプトロンをトレーニングしています
第10章
パーセプトロン
人工ニューロンは、入力、重み、しきい値を組み合わせ、トレーニング中に間違いを修正します。線と数字の実験は、一般化と、XORを含む線形境界の限界を紹介します。
[画像: 入力、隠れ層、出力を持つニューラルネットワークの図]
入力、隠れ層、出力を持つニューラルネットワークの図
第11章
ニューラルネットワーク
特殊化されたパーセプトロンは、隠れ層、シグモイド関数、バックプロパゲーションにつながります。6x6グリッドでの数字認識プロジェクトは、トレーニング、重み、予測をまとめます。
[画像: 20x20のボード上でBASICで実行中のライフゲーム]
20x20のボード上でBASICで実行中のライフゲーム
第12章
ライフゲーム
最後の章では、単純な局所的なルールがどのように複雑な振る舞いを生成するかを探求します。トーラス状の20x20の宇宙、2つの配列、およびビジュアルエディタにより、パターン、オシレータ、移動する構造を実験することが可能になります。
ページから画面へ / 第12章
ライフゲーム、動く様子
各セルは、8つの隣接セルに基づいて生きたままになるか死ぬかします。生きているセルは2つまたは3つの隣接セルがあれば生存し、死んでいるセルは正確に3つの隣接セルがあれば誕生します。すべてのセルは同時に変化します。これらのルールは、安定した構造、オシレータ、移動するパターンを生み出します。
本書の例では、トーラス状の20x20のボードを使用しています。反対側のエッジが接続されています。2つの配列が現在の世代と次の世代を分離するため、計算順序が結果を変更することはありません。
[動画: Your browser cannot play this video.]
ライフゲームのデモンストレーション。コントロールを使用してビデオを再生してください。
ES / EN
1冊の本、2つのエディション
お好みのエディションを選択してください。どちらもこのページにまとめられています。
スペイン語版
Inteligencia Artificial para el Z80
英語版
Artificial Intelligence for the Z80
本のプログラム
例は、AI_Z80リポジトリの章ごとに整理されています。リストを調べて、実際のハードウェアまたはエミュレータで実験してください。