わかりやすいAI－日大の私でもわかるPARTⅥ

今回はディープラーニングとは何かをご説明します。

ディープラーニングとは機械学習の具体的な手法の一つです。日本語では深層学習と呼ばれております。

前回、ご紹介した学習法の中で一番用いられるのが、教師ありの学習です。

教師あり学習は、「あらかじめ正しいルールを与え、そこから自動でルールやパターンを学習する方法です」

この方法を用いた代表的なものには、機械翻訳機があります。日本語から英語、多言語同士の翻訳もあります。

ディープラーニングが現れてから、非常に精度の高い翻訳ができるようになりました。

この翻訳のように、「一定の規則の中で正解がほぼ一意に定まる課題」は非常に得意なのです。

ディープラーニングは、様々な検証を何種類も何段階にも分けて、複合的に最終判断します。

たとえば、ミカンとリンゴの違いについては、上の方が赤いな、下の方は黄色いな、点々があるな、だから、リンゴと判断します。

ディープラーニングの起源は１９５０年代にパーセプトロンというものが存在しており、これにバイアスかけたり、活性化関数を用いて、単なる０や１にならないためにする方法も研究されていたそうです。

２層から３層、さらには多層化していく、これが重要なポイントだそうです。「入力層、隠れ層、出力層」

凡人の朕としては、競馬の馬券の買い方みたいなものです。やってないけど。頭を5頭買って2着を5頭買って3着は8頭買うようなイメージです。

こんな買い方する奴いないだろうけど。

ひとつは精度です。

人が何もヒントを与えなくても高い精度で結果を出せることです。

人がコンピュータに与える情報はデータの特徴を教えるものであることから、「特徴量」と呼ばれます。

例えば、迷惑メールかそうでないかの判定器を機械学習で作成する場合は、下記のようになります。

・タイトルに注目する事

・各々の表層だけでなく品詞

・品詞の中でも、助詞は無視する事

このように、人間であれば、失敗した時に、上の何が悪かったのか、修正してみたりしますが、ディープラーニングは自ずとディープラーニング任せにすることができるのです。

ここで重要なのはディープラーニングはある意味ブラックボックスなのです。この情報量は非常に膨大で、人間が解決する範疇ではありません。下記のようなことを列挙します。

・人間がブラックボックスを見ても判定が難しいのに、なぜか適切な推測ができるモデルが作成できた。理由はわからない。

・結果がかんばしくないので、とりあえず隠れ層を1つ増やしてみたら、なぜか精度が上がった。理由はわからない。

その結果、ディープラーニングは大量のデータが必要となり、今後AIにより、解決していく課題の中で試行錯誤する場面もあります。例えば、回答が無限にある場合。

どのような場面に合わせて、機械学習を行なわせるかが課題となります。