ディープラーニング・ニューラルネットワークが未来をどう拓くのか?

Pocket

先日開催された、ディープラーニング入門講座の座学編のほんの一部の講義録です。

なぜAIがブームになっているか?

2012年の大規模画像認識の競技会(ILVRC)にて、Hinton氏の開発するディープラーニングの画像認識が、エラー率を一気に10%以上減少させ、ブレークルスルーが始まりました。

AI(人工知能)の中に、Machine Learning(機械学習)があり、機械学習の1つがDeep Learningです。

機械学習とは、「分ける」「予測する」アルゴリズムで、「教師なし学習(クラスタリングなど)」と「教師あり学習」にわかれ、「教師あり学習」には「分類」と「回帰」があります。

ディープラーニング(ニューラルネットワーク)のメリットとデメリット

ディープラーニングとは、ニューラルネットワークを多層に重ねたものです。
ニューラルネットワークとは、脳を模倣した数理モデルです。
機械が「特徴量」を見つけ出すので、特徴量設計が不要となります。
また、データ量によって性能がスケールするのも古典的機械学習と違うところです。

とはいえ、古典的機械学習アルゴリズムに劣ることとして、
・少量のデータだとワークしない
・計算コストがかかる
・結果の解釈が難しい
という点があげられます。

なぜPython(パイソン)が好まれるのか?

パイソンはディープラーニングのライブラリーが豊富にあり、ひとつのエコシステムを作り上げています。

・tensorflow:ディープラーニングのフレームワーク
・keras:ディープラーニングのフレームワーク
・jupyter:Webブラウザ常で操作できるPythonカーネル
・h5py:h5形式で保存
・Flask:Webアプリフレームワーク
・scikit-lean 機械学習ライブラリ
・matplotlib:グラフライブラリー
・OpenCV-python:画像処理ライブラリー

AIの本命!!【12/26無料】ゼロからはじめるPython入門講座

CNN(畳み込みニューラルネットワーク)とは?

CNN(畳み込みニューラルネットワーク)は、画像認識で圧倒的な成果を上げた手法です。
CNNは、全結合層だけでなく畳み込み層(Convolution Layer)とプーリング層(Pooling Layer)から構成されるニューラルネットワークです。

もともと手書き文字認識において研究が進んでおりましたが、自然言語処理では、感情分析やテキスト分類、翻訳などにも応用されるようになりました。

実用化の事例では、Facebookのタグ付けの顔検出、Googleの写真検索や音声認識、SpotifyやLINEのレコメンド、などがあげられます。

今後の活躍が期待される分野と人材とは?

ディープラーニングの世界で必要とされる人材は、ディープラーニングの前処理を担うデータサイエンティストと、アプリケーションに落とすAIエンジニアがあげられます。

すでに成果をあげている企業として有名なのは、

中国のスタートアップ、SenseTime(センスタンム)、Face++(フェイスプラスプラス)、 ViSenzeは、政府と組んで顔認証プログラムを提供しており、
楽天が出資しているシンガポールのVセンスはEC・アパレルの画像検索APIを提供、SAASモデルで収益をあげています。
また、グーグル傘下のディープマインドも名をあげています。

国内では、PKSHAがディープラーニングのAPIをリクルートや電通などの大手企業に提供、DATUM STUDIOは、ディープラーニング人材を派遣しています。

また、今後ディープラーニング市場が活況になるにつれて期待される事業として、ディープラーニング向けチップ開発や、アノ教師データを作成するテーション専門会社が注目されることでしょう。

なお、国内のディープラーニングの草分け的存在の東京大学の松尾豊教授は、セミナー資料をWEBに公開しているので、チェックしておくと良いでしょう。

ディープラーニング入門講座「ディープラーニングアプリをつくろう」

ikiben