電波系美少女バーチャルインターネッツアイドル文野純がメッタメタ遊んでメッタメタ考えて勉強するゲヲログ姉妹サイト...

メニュー⇒ ソフトウェア 思想評論 数学 書評 歴史 統計 雑感 馬鹿企画

ネットで勉強会「機械学習」とは何か?【その1 なぜ今ディープラーニングか?】

ネットで勉強会「機械学習」とは何か?【その1 なぜ今ディープラーニングか?】

機械学習 – Wikipediaより引用(デカルト座標系のイメージにおける、二つの種の分類判断をどう判決的『ルール』にゆだねるのか?これは、分類の問題であり、これが機械学習のイメージとして扱われていることは、ごくごく自然なことだと言えるだろう)

ということで今回の勉強会の参考書⇓

古典的プログラミングにおいては、『ルール』と『データ』から『答え』を導き出す。これに対して、AI(機械学習の応用)は『データ』と『答え』から『ルール』を導き出すことに長けている(また、そのために作られた)。つまるところ、機械学習とは『答え』『データ』から一般的な『ルール』を考え出すツールである点で、古典的プログラミング(ルールベースプログラミングの高度化)とは要素が違っている。機械学習においては、実例を示され(教師データ)、訓練(train)され、統計的ルールをそこから学習(learning)するのだ。

一番いいサンプルがある。今、デカルト座標系の上に無数に載っている、白丸と黒丸の分類を考える時、よりよい表現とは何か?ということである。これがルールを探るということであり、このニュアンスは最小二乗法によるSVM(サポートベクターマシン)つまり、決定境界による二項分類判断問題に近しいものとして考えられる。ニューラルネットワークが登場するのはこの後のアプローチであり、その間、我々は様々な機械学習の応用例を見てきた。その応用例が決定木学習(問いかけを何度も繰り返しクラスタリングする)であり、またそれを応用したランダムフォレストであった。この時点でニューラルネットワークはあまり着目されなかったが、CNN(畳み込みニューラルネットワーク)の登場により事態は一変する。これが深層学習(deep learning)の萌芽である。

深層学習とは従来の機械学習を応用し、それを層化したものであることは自然に理解できる。が、従来の手法とどう違うのか?それは背景に層化に適用したコンピューター性能の爆発的な発展がある。つまるところ深層学習の肝は、特徴量エンジニアリング(feature engineering)である。層化した部分部分において、貪欲にデータの特徴を処理し、多大な計算量をコンピューターにぶち込むことで、精度を爆発的に上昇されることができることが実現する時代になったのだ。よくニューラルネットワークは神経模倣だといわれることが多いが、これは書によって記載が変わる。神経生理学のようなニュアンスで書かれるものもあればそうでないもの(それこそ本書のようなもの)もある。本書では、あくまでコンピュータ的処理の一環にすぎないことに間違いないとしている。ここに至って深層学習のメリットが明らかになり、古典的な機械学習は置き去りにして、その層的学習のムーブメント、”現状の隆興”があるといっていいだろう。その背景には…

・ハードウェアの発展

・ビッグデータの汎用化

・アルゴリズムの開発

という三点がある。ただし…深層学習が現状強いメメントになっていても、それとはまた別のパラダイムが必要とされる時代も同時に見据えなければならない。かつて機械学習の原点によってオカブを奪われた深層学習は、上述の三点およびCNNの登場によってうって変わり流行したが、また再び古典的な機械学習に時代は戻るかもしれない。流れや流行が続くと思い、深層学習の機能性に過信が出ると、AIの本質を見誤る恐れもあることは考慮しておきたいところである。

CNNの登場と三つの条件発展に対応して、爆発的に発展・普及した深層学習の流行が今後も続くかどうかはわからない。

シェアする

  • このエントリーをはてなブックマークに追加

フォローする