深層学習(ディープラーニング)は現在は社会現象となっているといっても過言ではない程様々な場所で見聞きしていると思います。ではなぜ深層学習はこれほど世間の注目の的となっているのでしょうか?
深層学習とは機械学習の1つの手法ですが人間の思考に近づく技術であると言われているために注目が集まっています。
この記事では深層学習の専門的なことには踏み込まず、皆さんが深層学習に対して「こんなものか」というイメージを掴んでもらうことを目標に紹介します。
- 深層学習がどんな技術なのかまずは表面的なことを知りたい人
- 深層学習が将来どんなことに役立つのかを知りたい人
世界が震撼した新技術
まずは深層学習登場の背景を軽く知っておきましょう。事件は2012年の画像認識の大会で起きました。
大会は画像の物体(イヌとかネコとか)をコンピュータに自動で判別させて正解率を競うというものです。これまでの大会ではエラー率が大体どのチームも26%程度で研究者たちは工夫を凝らしてコンマ数%の世界で凌ぎを削っている状況でした。
しかし2012年に初参加のトロント大学のチームが深層学習を使うことで15%というこれまでとは桁違いのエラー率を叩き出し圧勝したのです。
この事件がきっかけとなり深層学習の可能性に大きな注目が集まり深層学習のブームが起きたのです。
深層学習の何が注目されたのか
深層学習がなぜこんなにも注目を浴びているかというと、ルールで説明できない問題を解決できるようになったからです。
ニューラルネットワークの紹介記事では、ニューラルネットワークは人間の脳を模倣した手法で手書き文字の認識などルールで説明できない問題にも対処できるという話をしました。
しかしニューラルネットワークは手書き文字などの単純な特徴を持つモノに対しては威力を発揮したものの、画像や音声など複雑な特徴を持つモノに対しては成果を挙げられていませんでした。
なぜなら複雑な特徴を学習するためには巨大なネットワークが必要となり、途中の計算でうまく特徴を抽出仕切れなかったからです。
深層学習は困難と思われていた巨大なニューラルネットワークの学習を可能にしました。
つまり画像や音声といった複雑な特徴を持つモノに対しても特徴をうまく捉えて学習するという、これまでのルールベースのAIとは異なり人間の思考に近づいたAIを生み出すことができるようになったのです。
どのような場面に使われるのか?
では深層学習が実現したことでどのような場面で活躍するのでしょうか?世の中では本当に様々な応用が検討・実施されていますが、わかりやすい二つの例をここでは紹介します。
自動運転
AIによる自動車の自動運転という話は誰でも一度は聞いたことがあるでしょう。自動運転のどの部分に深層学習が活躍するかというと、例えば物体認識が挙げられます。
物体認識についてはイメージがしやすいのではないでしょうか。原理は手書き数字の認識と同じです。ただし認識対象はおびただしい数存在し、かつリアルタイムで動いているという点で難易度が高いです。
物体認識の精度自体は現状すでにとても高いレベルの精度が実現しているようです。
コールセンター業務
なぜ数ある判例の中からコールセンター業務を選んだかというと、下の動画を見て欲しかったからです。
この動画は何をしているかというと、なんとAIが会話をしているのです。衝撃的です。
もちろんこの動画の全てが深層学習の技術というわけではないですが、深層学習を応用していくと人間と会話が可能となり得るということを示しています。
まとめ
いかがでしょうか?深層学習についてのざっくりとした理解はしていただけましたか?
応用例に関する話は本当に無数にある例の中の2つを取り上げたにすぎません。現在はあらゆる産業において深層学習の応用が実施されようとしています。ニュースを見ているとこんなところにも深層学習が使われるのかと毎日驚きに満ち溢れるのではないでしょうか。
以上私がこの記事でみなさんに掴んで欲しかった事柄は下の3つです。
- 深層学習はニューラルネットワークという機械学習の手法の1つである。
- 深層学習は困難であった巨大なニューラルネットワークで学習させることを可能にした
- 深層学習によって複雑でルールで説明できない問題をコンピュータで解決する突破口が開かれた
コメント