【図解】人工知能は人間を超えるか-ディープラーニングの先にあるもの
こんにちは、koheiです。
最近よく聞く「ディープラーニング」について興味があったので、「
人工知能とは？
「そもそも人工知能とは何か？」ということですが、ぼんやりとはイメージできますが、分かりそうで分からないというのが正直なところです。
人工知能という定義は、専門家によって定義が様々であり、一つに定まっていないのが現状のようです。
筆者の定義は、「
参考：書籍「人工知能は人間をこえるか-ディープラーニングの先にあるもの」より
また、世間で語られている人工知能は、現状以下の４つのレベルに分類できます。
参考：書籍「人工知能は人間をこえるか-ディープラーニングの先にあるもの」より
世間で言う「人工知能」というのが、どのレベルのことを言っているのかは意識しておいたほうがよいですね。
人工知能研究の流れ
参考：書籍「人工知能は人間をこえるか-ディープラーニングの先にあるもの」より
「推論・探索」による研究が盛んになった第1次AIブームは、チェスやゲームの世界では発展しましたが、あくまで決められたルール内だけでのことであり、現実の問題へ対応できなかったため、ブームが終焉しました。
第2次AIブームは、「知識」を加えることで、現実問題に対応しようとした時代です。ただし人間の膨大な知識量の実現が困難な点や、「フレーム問題(※1)」や、「シンボルグラウディング問題(※2)」などの解決が困難なことにより、ブームが終焉しました。
2000年代に入ると、Webの発展、データの増加、パターン認識技術の進化により、機械学習などが発展し、第3次AIブームになっています。
その中でも特徴量をコンピューター自ら見つけ出すことができる「
※1 フレーム問題：人工知能における重要な難問の一つで、有限の情報処理能力しかないロボットには、現実に起こりうる問題全てに対処することができないことを示すものである。
※2 シンボルグラウディング問題：記号システム内のシンボルがどのようにして実世界の意味と結びつけられるかという問題。
引用：Wikipediaより
ディープラーニングとは
ディープラーニングとは、機械学習が発展したものいう位置づけです。
よって、まずは機械学習の基本を理解します。
機械学習は、「学習フェーズ」と「予測フェーズ」に分かれる
そもそも機械学習は、「学習フェーズ」と「予測フェーズ」という２つのフェーズに分かれます。
参考：書籍「人工知能は人間をこえるか-ディープラーニングの先にあるもの」より
「学習フェーズ」では、大量のデータを読み込み、正解データと付け合わせることで、最適なニューラルネットワーク(※)が構築されます。この「学習フェーズ」は膨大なデータを処理するので、時間がかかります。
※ニューラルネットワークとは、人間の脳神経回路を真似たネットワークのこと。
「予測フェーズ」では、「学習フェーズ」でできあがったニューラルネットワークを用い、新しい入力データの判別を行います。この処理は一瞬で終わります。
機械学習とディープラーニングの違い
従来の機械学習では、「特徴量」を人間が設計する必要があります。特徴量とは、機械学習の入力に使う変数のことで、特徴量を何にするかで予測精度は大きく変化します。
機械学習の精度を上げるには、「どんな特徴量を入れるか」にかかっているのに、それは人間が頭を使って考えるしかなかった。これが「特徴量設計」で、機械学習の最大の関門だった。
引用「人工知能は人間をこえるか ディープラーニングの先にあるもの」
一方、ディープラーニングは、「
ディープラーニングの登場は、少なくとも画像や音声という分野において、「データを元に何を特徴表現すべきか」をコンピューターが自動的に獲得することができるという可能性を示している。
引用「人工知能は人間をこえるか ディープラーニングの先にあるもの」
参考：書籍「人工知能は人間をこえるか-ディープラーニングの先にあるもの」より
今まで課題だった特徴量設計という関門に立ち向かえる技術が「ディープラーニング」ということで、人工知能研究のブレイクスルーと呼ばれるのも納得できますね。
ディープラーニングの仕組み
ディープラーニングは、ニューラルネットワークを多層（ディープ）にすることで、特徴量を自動で認識させることができる仕組みになっています。
隠れ層を何段も重ねることで、階層を進むごとに画像の抽象度が増し、精度の高い特徴量を生成することができるようです。
参考：書籍「人工知能は人間をこえるか-ディープラーニングの先にあるもの」より
本書ではあくまでディープラーニングの概要レベルの話なので、もっと詳細に理解するには、別でディープラーニングの専門書などを読んだほうがよさそうです。
最後に
以上、人工知能の歴史からディープラーニングまでをまとめてみました。
本書を読むまでは、機械学習、ディープラーニングって何？っていうレベルだったのですが、人工知能の歴史を振り返り、「ディープラーニング」の凄さ、未来の話という流れで話が進んでいくので、人工知能に詳しくない僕でもすらすら読み進めることができました。あまり人工知能とかに詳しくない方でも読みやすい本だと思います。
ただし、ディープラーニング自体の仕組みについては、概要レベルでは理解したつもりですが、もう少し詳細を理解したいので、以下の本を買って勉強中です。次の機会にブログで解説してみたいと思います。
ディープラーニングに興味がある方、まずは、本書で人工知能の概要を理解するのがおすすめです。
それでは！
スポンサーリンク
