私の勉強部屋コミュのメモ　ディープラーニング

AIについてのメモ http://mixi.jp/view_bbs.pl?comm_id=2073084&id=81838481
のメモ。

ディープラーニング（Deep Learning）とは？【入門編】
http://leapmind.io/blog/2017/06/16/%E3%83%87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0%EF%BC%88deep-learning%EF%BC%89%E3%81%A8%E3%81%AF%EF%BC%9F%E3%80%90%E5%85%A5%E9%96%80%E7%B7%A8%E3%80%91/

＃Deep Learningと人工知能、機械学習の違い

今までの話で、人工知能と機械学習、Deep Learningと３つのキーワードが出てきて、すでに混同している方も多いとは思いますが、そこまで難しく考えることはありません。

３つのキーワードの関係は、大まかにいうと「人工知能＞機械学習＞Deep Learning」という構造になっています。

どれも違う技術ということではなく、図解すると以下のようなベン図になります。

良くある誤解ですが、Deep Learning自体がAIというわけではなく、人工知能の要素技術の１つという位置付けです。

コメント(5)

最初
全て
最新の40件

[1] mixiユーザー 02月27日 09:53

＃Deep Learningで可能なこと

では、具体的にDeep Learningで今何ができるのかを見ていきたいと思います。

まず入力するデータの種類別に、以下のように分類できます。

①画像認識

画像や動画を入力とし文字や顔などの特徴を認識・検出する技術です。背景から特徴を分離抽出しマッチングや変換をおこない、目的となる特徴を特定し認識します。

（例： Facebookのタグ付け（顔認証）、自動運転、感情分析など

②音声認識

音声を認識させる技術です。人間の声を認識してテキストに出力したり、音声の特徴をとらえて声を出している人を識別したりできます。

（例：iPhoneの「Siri」のような音声入力など

③自然言語処理

人間が日常的に使う自然言語（書き言葉・話し言葉）をコンピューターに処理・理解させる技術です。

（例：銀行のコールセンターでの問い合わせ対応、文書要約、機械翻訳など

④異常検知

産業機器などに取り付けられたセンサーなどの時系列データから異常の兆候を感知する技術です。

（例：工場内の監視（故障や異常動作の検知）など
＃Deep Learningを用いたサービスなどの具体的な事例

■製造

Rist（Deep Inspection）：画像の中で特定のパターンに一致する箇所を認識させ、工場などにおける不純物の検知などを行うことができる。

図２２

URL : http://www.deep-inspection.com/

■流通

ViSENZE：ECサイトなど電子商取引のプラットフォーム上でファッションアイテムなどを画像で検索ができる。

図２３

URL : https://www.visenze.com/

■マーケティング

Ditto Labs（Ditto）：ソーシャル上の写真から自分たちの製品はどんな状況でどのように使われているのかなどを画像から解析できる。

図30

URL : http://dittolabs.io/

■医療

Atomwise：既存の薬の分子構造などから新しい薬をディープラーニングによって発見し、新薬発見のプロセス短縮を目指している。

図２５

URL : http://www.atomwise.com/

Enlitic：レントゲン写真やCTスキャン、超音波検査、MRIなどの画像からがんなどの悪性腫瘍を検出する。

図２６

URL : https://www.enlitic.com/

■セキュリティ

Deep Instinct：ディープラーニングアンチウイルスパッケージというディープラーニングを用いて自動で危険なコードを認識するソリューション。

図２７

URL : https://www.deepinstinct.com/

■金融

Alpaca：Deep Learningを活用した金融トレーディングプラットフォーム。トレーディングを行う人が自分の投資タイミングの判断をチャート上からAIに学習させ、同様の投資タイミングが発生したときにお知らせするトレーディング意思決定支援機能をメイン機能としている。

図２８

URL : https://www.alpaca.ai/

他にも、大量の顔写真の表情から感情を分析することができたり（https://www.affectiva.com）、「LINE」のスタンプのレコメンド、ニュースアプリ「グノシー」の年齢推定、音楽ストリーミングサービスの「Spotify」の類似した曲のレコメンドなど身近に使っているアプリにもDeep Learningは活用されています。
＃Deep Learningの未来

(略）

実際富士キメラ総研の調査結果によると人工知能（AI）ビジネスの国内市場は、2030年度に2兆円規模になり、2015年度の14倍になると言われています。

参考：http://itpro.nikkeibp.co.jp/atcl/column/16/072600158/120700021/?rt=nocnt

今後もより幅広いあらゆる領域で、Deep Learningが活用されていくでしょう。

現在、クラウドコンピューティングの世の中ですが、Deep Learningが普及していくことで、クラウドに上げずともデバイス自体がそれぞれ群知能的に処理していくことでエッジだけで完結し、エッジコンピューティングの世界に変遷していくと弊社は考えております。

[2] mixiユーザー 02月27日 09:57

ディープラーニング
これだけは知っておきたい3つのこと
https://jp.mathworks.com/discovery/deep-learning.html

[3] mixiユーザー 02月27日 10:05

ペッパーの話ウケたｗ　「誤解だらけの人工知能」（光文社新書）刊行記念！ 2人の著者と編集長で振り返る製作裏話 https://www.mm-lab.jp/interview/misunderstanding_artificial_intelligence/

ディープラーニングに関係ありげかと思うとこだけ抜き書き。

既に頂いているご批判への反論、感想

[松本] 新書の帯に「人工知能の研究開発者が語る、第3次人工知能ブームの終焉の可能性と、ディダクション(演繹法)による第4次人工知能ブームの幕開け」と書いています。そのディダクションという単語が誤解を招いているのか、少なからずご批判を頂いています。

田中さんの主張される「ディダクション」をここでおさらいしておきましょう。

ディープラーニングを使って学習した結果、りんごらしいという結果が出たときに「違うよ、イチゴだよ」とフィードバックする必要があります。でも、ネットワークのどこそこを修正するという指定ができません。勝手にイチゴからりんごという答えが出るよう、機械がどこかの重みを変えるだけで、私たち人間は、なぜ、どこが、どう変わったのかは分かりません。

せめて何層か手前に戻って、どの辺りでイチゴじゃなくてりんごだと判断をしたのかが分からないと、大量に画像を食わせ続けることになってしまう。この何層か前に戻って、何ならこのニューロンからイチゴらしさの確率が上がったよと分かれば嬉しいですよね。それが「ディダクション」です。

[田中] 第３次人工知能はディダクションが無いから、人工知能に理由を求められないというデメリットを理解していない人が多いです。その辺りは本に詳しく書いています。

[松本] 現時点で、ディダクションというか、ディープラーニングの途中計算をしようという取り組みは始まったばかりでしょうか？

[田中] いろんな研究者が内部の研究を始められています。ニューラルネット自体は元々ある技術ですが、階層を増やすと計算力が爆発しちゃうから使えないという前提がそもそもありました。今は計算を端折る、近似で求める、GPUが登場した等、色んな技術的な進歩があったから、ディープラーニング、多高層ニューラルネットワークの端緒がようやく開きました。なので、内部どうなっているの？という議論に進む前に「すげー」「やべー」というテンションになるのは仕方が無い。だって、今までやれなかったことができるようになったのですから。

内部の研究が始まったのは去年の後半ぐらいです。内部がどうなっているのか分かって、かつ論理学が紐付いてきて、それでようやくディダクションに繋がるのかな、と思います。

[松本] 次行きましょうか。ディープラーニングのデメリットがこの本では強調され過ぎている、という意見を貰いました。

[田中] そうかなぁ。今できること、まだできないことを区分しようと言っているだけです。弱点を強調したつもりは全くないです。妄想と現実を分けましょう、と提案しているだけです。

[三宅] そうですね。サブタイトルも「限界」と記載していますので。

[松本] では次。ディープラーニングでやれることって意外と少ないですね、という意見も貰いました。

[田中] いや、多いでしょ（笑）。何を言っているんでしょうね。

[三宅] 私は田中さんの言われるところの「妄想」に囚われている側の人間だったので、こういうものなんだ！という気付きと同時に、同じ感想を抱きました。

[松本] 三宅さんの感想が僕は全てだと思っていて、勝手に期待値を上げている人がいて、そうした喧騒を知って期待値を上げてしまった人たちがおられます。それは悪いことではないんです。新しいサービスってそういうものですから。でも、1度上がった期待値は下がらないし、下がるときは一気に下がります。

ディープラーニングって、今までの報道のされ方からすると「無敵」だし、「最強」だし、「人間を凌駕」するし、とにかく万能感が出ていただけに、「こういうことはできないよ」という論理的な説明は「なーんだ！」というショックが大きいのかもしれません。

[田中] 本来なら期待値をコントロールする時系列的な発想が必要ですね。ニューラルネットワークは汎用性が高いので、人工知能としてどんどん進化していくと思います。でも2018年ならこれぐらい、2019年ならこれぐらい、という進化の過程があります。一気に2030年の話をしても仕方がありません。それはメディアの責任であって、私たち研究者の責任ではありません。

[4] mixiユーザー 02月27日 10:05

[三宅] チェスも囲碁も将棋も、人工知能がトッププレイヤーに勝利したから凄い。そうすると、他のジャンルでも勝ってしまうと思いがちです。でも、人工知能が活躍している領域は一種の完全情報ゲームで、人工知能が一番得意としているジャンルです。だから、Aで活躍しているからといってBでも活躍すると考えてはいけない、とこの本にも書かれています。

[田中] それが間違った帰納法です。あれもできる、これもできる、だからこれだってできるという勝手な思い込みです。

[三宅] この本ではちゃんと整理されていて、その先の展開の可能性と、一方で限界についてもロジカルに整理されていると思います。

[田中] 例えば孫正義さんとか著名な経営者たちが「ディープラーニングはすごい、こんなことができそうだ」と持ち上げていますけど、いつまでにできるかって時間軸を言わないですよね。「理論的には可能だ」と言ったとしても、まだ実際にできていないわけですから説得力に欠けます。段階を追って進歩していく部分を無視し過ぎです。イノベーションという単語で片付けがちですよ。

※ペッパーの話はこの先にありますけど詳細をご覧になりたい方はリンク先へ。

[5] mixiユーザー 02月27日 10:22

2016年の記事だけど、どうなったかな？東芝、ディープラーニングを低消費電力で実現する「脳型プロセッサ」開発 - ITmedia ニュース http://www.itmedia.co.jp/news/articles/1611/09/news091.html …

ログインすると、みんなのコメントがもっと見れるよ