仮想通貨をイチからはじめます

これからの通貨の主役となる仮想通貨の運用をスタートしました。詳細は【メニュー】の【仮想通貨】から!

「グーグルに学ぶディープラーニング」は人工知能入門書に最適!!

2016年くらいからかなりディープラーニングと呼ばれることが浸透しました。仕事柄デジタル界隈の情報はせっせと取り込んでいましたがディープラーニングについては少し疎かったので、最初の一冊を手に取ってみました。もともと自分用にメモした内容を下敷きにしているので、『ポイント』でいくつかわかりづらいところがあるかもしれません。そのあたりは大目に見てもらえると助かります。

タイトル

グーグルに学ぶディープラーニング/日経ビッグデータ

僕的な点数

これはおもしろい。ディープラーニングを高尚な話っぽくせずに、これから身近になっていって誰にとっても有益であることを具体的な話を通して学べる。特に後半の安藤ハサマなど既にディープラーニングをビジネスに活かしている企業の章は必見だ。

89 / 100

 

読んだ目的

これまで「すべての情報を網羅する」ことを掲げてきた世界一のIT企業グーグルがディープラーニングを研究している。そこには人力の延長線上の進化があるのか、それともグーグルさえも知らない革命があるのか、その一端を知りたい。またディープラーニングとはどういうものなのかを勉強したい。

要約

人工知能と機械学習の区別から始まり、機械学習の主要な方法をとおって実際に機械学習が使われている事例を紹介した、機械学習の概要を学ぶには打ってつけの書籍である。これまで人工知能と機械学習の違いもわからず、また人工知能=ロボットというバイアスたっぷりだった自分の認識がいい意味で壊された。更地となった脳には現在進行形で発達している機械学習についての概略がインプットされて、そのおかげでこの分野についての漠然とした不安がなくなった。

 

一般化(他のことにも適用できるよう学んだことを一般化する)

  • 機械学習とディープラーニング
  • GCP(Google Cloud Platform)

関連書籍&URL

ポイント

本文でメモしておきたいと思った箇所を書いています。
※引用と僕の解釈が混じっているので原文ママではありません。

★第1章

ディープラーニングとはどこか遠くの星の話ではなく、私たちの生活を直接的に豊かにそして便利にする技術だ。PCから始まったグーグルはこれまで、スマホの急速な普及、ネットワークインフラの発達に応じて「モバイルファースト」を掲げていたが、今は違う。これからは「AIファースト」だと。このディープラーニングとは機械学習のひとつで、多層的な処理を重ねるものだ。人間はあくまでも大量の入出力を与えるだけであって、最終的なアルゴリズムはコンピュータが勝手につくる、多少不思議なもの。

  • 検索結果を表示する際の第3の指標として「RankBrain」システムを利用している。
  • ディープマインドと協力して、データセンターの冷却装置の消費電力を40%も削減した。

★第2章:ディープラーニングの仕組み

ディープラーニングには教師あり学習と強化学習の2つが大きく学習方法としてある。前者は出力に対して人間が正解不正解を出し、後者はそれがない。どちらもノードを多層的に配置することでより複雑な出力を可能としている。それのわかりやすい例がアルファ碁である。アルファ碁がプロ棋士に勝利したことでわかったことは、「コンピュータは人間より強い棋士になれる」ことではなく、「適所に応じて最適なコンピュータがつくれる」ことを実証したのだ。

  • すべての知的な作業をやらせるのは非常に手間がかかる、それならば限定的な作業をコンピュータにやってもらおうというのがエキスパートシステム。例えば、顔写真から人間の目を判別するには、目の定義を論理的な条件式にする必要がある。そのルールが膨大になるため「ルールベースの人工知能」とも呼ばれている。
  • 機械学習とは入力から出力にいたる計算方法、モデルをつくるということ。
  • 代表的な機械学習:決定木・帰納推論・ニューラルネットワーク・ディープラーニング
  • ディープラーニングが注目されるのはルールベースの人工知能では非常に手間だったものが単純に作れるということにある。
  • 機械学習の主な学習方法:①教師あり学習 ②強化学習

★第3章:グーグルのディープラーニング活用事例

囲碁でおなじみAlpha Go

Google Cloud Platformのモデル図

下記にあるような事例が既に多数存在している。前章で述べたようにディープラーニングとは私たちの暮らしを、ビジネスを加速的に便利なものへとしてくれるものである。最近ではGoogle翻訳の精度が格段に向上したことが記憶に新しい。その上で、僕がビジネスをやる上で「どこに勝ちポイントがあるのか」をよく考えてみたい。もしかすると、プロモーションなら機械学習のバグ(精度の低さ)を逆手に取ったゲームなども出来るかもしれない。

  • 家庭用AIコンシェルジュ「Google Home」
  • 自動運転技術用会社Waymo
  • 画像認識で自動的にカテゴライズしてくれる「Googleフォト」
  • お絵かきをコンピュータが判定してくれる「Quick,Draw」
  • 音楽や芸術を自動生成してくれる「マジェンタ」
  • Gmailの自動返信機能「Inbox」。コレを使った人狼的ゲーム。
  • 自動音声合成「WaveNet」
  • Google Cloud Platformで提供されるAPI。Cloud Vision API/Speech API/Natural Language API/translate API

★第4章:ディープラーニングで業務効率化、国内で続々始まる

前章の事例に引き続き、本章では国内の事例が説明されている。紹介されているのは中古車販売や建築土木、金融業などで、業界に偏りはない。
すべての企業に言えることは膨大な入力データを保持していること、それと担当者のアンテナ感度が高く、必要に迫られてやったというよりは「業界に先駆けてやっている」感があるということ。データを取得しやすくかつ、ユーザが必要な情報とはなんだろうか。

  • 安藤ハザマのトンネル切羽AI自動評価システム
  • オークネットIBSの「紺碧」は画像をぶっこむと自動で登録してくれる。テンソルフローベースで開発している。
  • 三井住友FGの不正取引検知システム

★第5章:データ×目的で整理し、活用の展開を描こう。

ディープラーニングの魅力がわかったところで、自社ではどんなことで導入ができるだろうか。「コスト削減」「クリエイティブ性向上」「新たなビジネス創出」が主な目的として挙げられる、その中でもコスト削減は一番わかりやすくかつ、現実的なものだろう。機械学習の素晴らしいところはコスト削減で作り上げたモデルに少し手を加えることで、別の領域にも対応が出来る点だ、これを一般的に「転移学習」と呼ぶ。スマホアプリ想定で、ネットに落ちている膨大なコーディネートを入力データにして、最適なコーディネートのモデルをつくる。ユーザが自分の個人情報を登録しておき、着たいアイテムを移すと対応したボトムス・スカートが表示される仕組み。

  • 人間がやっているが機械でやればもっと効率的にミスなく出来る部分が存在するなら、それはディープラーニングを採用する余地あり。
  • キューピーの品質チェックはこれまで目視のみ。それを機械でのチェックを入れれば、ミスも少なくなる。
  • Poc「実施検証」

全文は購入してお楽しみください、相当な良書です!

グーグルに学ぶディープラーニング


お疲れさまでした、我が家のネコ動画でも見てひと休止入れてください。
今後ともひとつよろしくお願いいたします。

ネコハチ

スポンサーリンク

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

CAPTCHA