Deep Learningの最新ニュースを理解するための予備知識まとめ | AIZINE(エーアイジン)
AI(人工知能)ニュース

Deep Learningの最新ニュースを理解するための予備知識まとめ

Deep Learningの最新ニュースを理解するための予備知識まとめ

ディープラーニング(Deep Learning)は人工知能(AI)に関連する言葉として、最新ニュースの世界だけでなく、日常でも触れる機会が多くなりましたよね。もはや聞きなれてしまった感もありますが、現実にはディープラーニング(Deep Learning)は人工知能(AI)を構成するひとつの要素として、まだまだ使い古した仕組みというわけではありません。今でもその技術は日々進化を遂げています。

そんなディープラーニング(Deep Learning)の進化を今まさにニュースで見ようとしている人もいるでしょう。多くの人はニュースを読む時、どうしても自分の知識に合わせた視点からニュースを見てしまいがちです。でも、複数の視点から見ていく方が、ニュースをより一層楽しめるでしょう。そのため人工知能(AI)におけるディープラーニング(Deep Learning)の進化についての傾向と対策とをみることで、よりDeep Leanirngの最新ニュースのおもしろさに気がつくかもしれません。

そこで今回は「Deep Learning の最新ニュースを理解するための予備知識まとめ」についてお伝えいたします。

ディープラーニング(Deep Learning)のすごいところは学習することで精度が上がるところ

学習のイメージ

人工知能(AI)におけるディープラーニング(Deep Learning)というのは、認識パターンを学習する手法の一つです。現在のところは最も優れた手法とされていることは既にご存知のことかもしれませんが、ではまず初めに、ディープラーニング(Deep Learning)の仕組みを再確認しておきましょう。

人工知能(AI)におけるディープラーニング(Deep Learning)は、入力(Input)→中間層→出力(Output)から構成されています。入力は、「画像」や「文字」など様々な情報の源となるものです。出力は、「画像」は「犬」であるなどの判断結果に該当します。ディープラーニング(Deep Learning)はこの中間層(Hidden)の判断根拠の部分に相当します。

ディープラーニング(Deep Learning)が最も優れている長所としては学習能力を上げていくにつれて、精度が増していくことです。学習すれば精度が上がっていくので良いと考えられがちですが、学習能力を上げるためにしなくてはならないこと、すなわち膨大なデータを必要とすることが最大の難関にもなりえるでしょう。

では、人工知能(AI)の判断の中心となるディープラーニング(Deep Learning)において膨大なデータを得る事が難関を生むとは何を指すのでしょうか。そこには、得られるデータソースの質が悪いと精度が下がってしまったり、ネットワークの処理時間が遅くなったり、膨大になればなるほど学習にかかる時間が長くなる問題など、実は多数の付随した問題を発生してしまうのです。

ディープラーニング(Deep Learning)は万能ではなく問題点もあり、多くの人がその対策を考えている

解決策のイメージ

ここまでで、膨大なデータそのものがディープラーニング(Deep Learning)の難関になるという傾向を述べました。今度は、この難関を研究者や企業がどの様にチャレンジ(挑戦)して克服しようとしているのかという対策の部分を見ていくことにしましょう。

これから、ディープラーニング(Deep Learning)の最新を知るために入口として3つをご紹介します。なお、より深く知りたい方には文末に該当ホームページもご紹介しています。

対策1 より少ない情報量でも判断を可能にしていく

ディープラーニング(Deep Learning)を使い始めたころから情報量の問題は取り組みが始まっています。元々、ディープラーニング(Deep Learning)は大量データで利用するものだと思われがちですが、実はディープラーニング(Deep Learning)のアルゴリズムは少量データでも学習ができる様に設計されているのです。

データ量への解決策として「Fine Tuning」という理論があり、データが少なくても判断精度に変わりない結果を得られるとしています。つまり、既に学習した結果を慎重に調整(Tuning)しつつ、それを少量データに対してうまく応用して当てはめていくという方法です。

対策2 過学習という現象

人工知能(AI)におけるディープラーニング(Deep Learning)というのは、認識パターンを学習する手法の一つです。現在のところは最も優れた手法とされていることは既にご存知のことかもしれませんが、ではまず初めに、ディープラーニング(Deep Learning)の仕組みを再確認しておきましょう。

ディープラーニング(Deep Learning)が最も優れている長所としては学習能力を上げていくにつれて、精度が増していくことです。学習すれば精度が上がっていくので良いと考えられがちですが、学習能力を上げるためにしなくてはならないこと、すなわち膨大なデータを必要とすることが最大の難関にもなりえるでしょう。

では、人工知能(AI)の判断の中心となるディープラーニング(Deep Learning)において膨大なデータを得る事が難関を生むとは何を指すのでしょうか。そこには、得られるデータソースの質が悪いと精度が下がってしまったり、膨大になればなるほど学習にかかる時間が長くなる問題など、実は多数の付随した問題を発生してしまうのです。

https://deepage.net/deep_learning/2016/10/17/Deep Learning_dropout.html

ディープラーニング(Deep Learning)はソフトの世界からハードの世界へと技術が進んできた

PCのイメージ

「限られた使用状況化において」と少々限定的な話になりますが、ディープラーニング(Deep Learning)の最新技術は、コンピューター心臓部のチップが小型・高性能化することによってネットワークに接続していない状態でも学習を行うことが出来るまでになって来ました。

ハード的に言えば、パソコン機器の代表的な企業である、nvidiaやIntel(詳しく知りたい人はこちら)がこの問題に取り組んでいます。今回は、パソコンメーカーの機器ではなく、一般に向けた機器の実例としてAmazonとGoogleの2つの例をご紹介します。中でもGoogleはこの理論をオープンソース化しているので、今後は周囲の企業からの更なる発展が見込めるでしょう。

「Amazonの例」
ディープラーニング(Deep Learning)向けビデオカメラ「DeepLens」を発売。

  1. 「歯を磨く」「ギターを弾く」など30種の動作を識別。
  2. ホットドックかそうではないかを見極める。
  3. 犬や猫を識別する。

(詳しく知りたい人はこちら

「Googleの例」
スマートカメラを自作する「Vision Kit」を発表。

  1. 1000種類のオブジェクトを認識するMobileNetsに基づいたモデル
  2. 顔を検出し、「悲しみ」から「笑い」に至る喜びの度合いを評価するモデル。
  3. 犬、猫、人を識別する。

(詳しく知りたい人はこちら

 

さて今回は「Deep Learningの最新ニュースを理解するための予備知識まとめ」として、ここまでいくつかの例をお伝えしました。

まず人工知能(AI)の「Deep Learning」は、学習すればどんどん効果と精度が上がって行くすごいアルゴリズムということでした。

しかしその反動として、データをたくさん学習しているのにもかかわらず、学習したデータ以外のことは解析できないという問題点をかかえていることもわかりました。その解決のために少量で処理を行える「Fine Tuning」や判断するユニット数を減らす「DropOut」といった手法が考えられています。

人工知能(AI)の世界は「Deep Learning」のソフトウェアだけでなく、今ではハードウェアの世界にまで及んでおり、限定的ではあるもののAmazonやGoogleで人工知能(AI)カメラなどの商品が売られる時代になって来ました。

こうして見てくると、人工知能(AI)としてのDeep Learningがまだまだ進化し続けていることがわかりましたね。ですから、これからの「Deep Learning」の最新技術をみるためには、学習機能の性能だけではなく、これから起こる問題点に対しての対策の部分や身近なハードに搭載されていく部分にも注目していくとよいでしょう。

人間の脳は複雑にできており、同じ仕組みまで到達するのは並大抵な事ではありません。人工知能(AI)の進化やDeep Learningへの取り組みにおいては、これまでの挑戦の歴史を知ったうえで今後の進化に注目し、さらなる広がりを知ることで、人間の未来について希望を持って見つめていくことが出来るのではないでしょうか。これからもDeep Learningの最新ニュースを様々な視点から注目することで、より一層楽しく、より知識豊かになることが出来るでしょう。

トップへ戻る
タイトルとURLをコピーしました