駆け出しエンジニアの気ままにブログ

このブログでは、駆け出しエンジニアの私が興味をもったトピックについて不定期に発信しています。

「ディープラーニング」がわかる本「人工知能は人間を超えるか(松尾 豊 著)」  


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 (角川EPUB選書)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 (角川EPUB選書)
(2015/03/11)
松尾 豊

商品詳細を見る


「ディープラーニング」について書かれた良書。

これまでの人工知能の歴史をわかりやすく「3つのAIブーム」という切り口でまとめており、
・昨今話題のディープラーニングは何がすごいのか?
・「機械学習」と「ディープラーニング」がどのように違うのか?
が分かりやすく解説されています。

以下、「3つのAIブーム」とその内容について簡単にまとめてみました。


第一次AIブーム:1950半ば〜1960年代

「推論・探索」をすることで特定の問題を解く研究が進んだ。「トイ・プロブレム」は解けても、複雑な現実の問題はとけないことが明らかになる。
「人工知能」という言葉が初めて登場したのは、1956年の夏に米国東部のダートマスで開催されたワークショップ。人間のように考える機会を「人工知能」と呼ぶことにした。
「探索木」などの研究分野が広まったのはこの時期。現在のチェスや将棋のプログラムなどはこの流れを汲んでいる。


第二次AIブーム:1980年代

エキスパートシステムと呼ばれる実用的なシステムがつくられた。知識を記述、管理することの大変さが明らかになる。
医療など分野において専門家の知識をコンピュータにインプットする研究が進む。知識を正しく記述するためにオントロジー研究(概念化の明示的な仕様の研究)が進む。ライトウェイトオントロジー(実践的なオントロジー)の例として、ワトソンがある。
エキスパートシステムでは、「一般常識」が課題になり、「フレーム問題」、「シンボルグラウンディング問題」などが顕在化する。


第三次AIブーム:2000年代〜

ビックデータの時代に広がった機械学習と、技術的に大きなブレークスルーであるディープラー二ング(特徴表現学習)の2つの大波が重なって生まれている。

「機械学習」について・・・
機械学習とは、人工知能のプログラム自身が学習する仕組み。ここでいう「学習」とは「分けること」、「イエス・ノー問題」の精度、正解率を上げること。
機会学習によって、「分け方」や「線の引き方」をコンピュータが自ら見つけることで、未知のものに対して判断、識別、予測をすることができる。機械学習はビックデータの分野で活躍。しかし「特徴量の設計」が課題となる。
答え合わせをして間違えるたびに重み付けの調整を繰り返して認識の精度を上げていく学習方法の代表的なものに「誤差逆伝播」がある。全体の誤差が少なくなるように微分をとり、誤差が小さくなる方向に重み付けをする。

「ディープラーニング」について・・・
ディープラーニングは、データをもとに、コンピュータが自ら特徴量をつくり出す。人間が特徴量を設計するのではなく、コンピュータが自ら高次の特徴量を獲得し、それをもとに対象を分類できるようになる。
コンピュータがデータから特徴量を取り出し、それを使った「概念」を獲得した後に、そこに「名前」を与えればシンボルグラウンディング問題は発生しない。「決められた状況での知識」を使うだけではなく、状況に合わせて、目的に合わせて、適切な記号をコンピュータ自らがつくり出し、それを使った知識を自ら獲得し、活用することができる。
ディープラーニングは、多階層のニューラルネットワークである。従来の機械学習ではニューラルネットワークの多層化は困難であったが、「一階層ずつの学習」と「自己符号化(情報圧縮器)」によって、ブレークスルーを成し遂げた。
ディープラーニングでやっていることは、主成分分析を非線形にし、多段にしただけである。つまり、データの中から特徴量や概念を見つけ、そのかたまりを使って、もっとおおきなかたまりを見つけるだけである。

(2015年4月30日)





スポンサーサイト

category: ビジネス・IT本

tb: 0   cm: 0

コメント

コメントの投稿

Secret

トラックバック

トラックバックURL
→http://kazufumi1984engineer.blog.fc2.com/tb.php/112-c7cbe2cf
この記事にトラックバックする(FC2ブログユーザー)