AIとは何か

AIに興味があるなら知っておきたいDeep Neural Networkとは

Deep Neural Networkのイメージ

AI(人工知能)という言葉をよく聞くようになった中で様々な用語も見るようになりました。ですからAI(人工知能)に興味が出てきて、AI(人工知能)やそれに関連した用語について調べている方もいるでしょう。

その中で「deep neural network(ディープニューラルネットワーク)」という言葉を目にしたことがある方もいますよね。しかしdeep neural networkとは何?deep learning(ディープラーニング)とは違うの?と、疑問をもつはず。

そこで今回は、AI(人工知能)を開発する上での壁やdeep neural networkを駆使し起きた大事件を交えてこのdeep neural networkとは何かをお話しましょう。

deep neural networkが欠かせないdeep learning(ディープラーニング)とは?

Deep Neural Networkのイメージ

まずは、deep neural networkとは何か説明する前に、deep neural networkを切っても切れない関係にあるdeep learning(ディープラーニング)についてからお伝えします。

deep learning(ディープラーニング)は深層学習ともいい私達人間が普段難なくこなしているタスクをコンピュータに学習させる機械学習の手法の一つです。

それでは画像の分類を例に考えてみましょう。

従来の機械学習では初めに画像から学習に使う入力可能な特性を指示に沿って抽出します。ここで抽出される特性を特徴量と言います。その特徴量を基に画像内の物体を分類するプログラムを作っていくのですが、deep learning(ディープラーニング)では画像から特徴量を自動的に見出。さらに生の画像データと処理すべきタスクを与えられれば自動的に処理方法を学ぶことができます。

近年話題となっているもので自動運転がありますよね。この自動運転でもdeep learning(ディープラーニング)が大きな役割を担っています。電柱と人間を判別したり停止標識があるとわかるのもdeep learning(ディープラーニング)の恩恵によるもの。

また、音声認識にも重要な役割を果たすようになっており、deep learning(ディープラーニング)はAI(人工知能)の発展に欠かせないものとなっています。

deep learning(ディープラーニング)の理論そのものは1980年代からあったものの、あまり注目されてこなかったのはラベルを持つ大量のデータが必要という問題点があったからでした。

自動運転の開発では数百万の静止画像と数千時間の動画が必要です。ですが近年ではそれほどの大規模なデータでも得やすく、コンピュータの処理能力がそれを扱えるようになったことで現在の進歩に繋がっています。

deep learning(ディープラーニング)の仕組みを解説!deep neural networkの役割とは?

deep learningのイメージ

前の章でdeep learning(ディープラーニング)は機械学習の手法の一つで「私達人間が普段難なくこなしているタスクをコンピュータに学習させる」ものと触れました。

今度はその仕組みとdeep neural networkとの関係性とはどのようなものであるか言及していきましょう。

機械自身に学習させるために使われているアルゴリズムを「ニューラルネットワーク」と言います。ニューラル(neural)は「神経細胞の」という意味の英単語で、人間の脳の働きに似せた動きをさせているのでこのような呼び方です。

これの構造は名前の通りネットワーク、「ノード」が繋がり合う姿をしており脳でいう一つ一つの神経細胞にあたります。

例えば、

画像に写っているものが猫であるかを判断するとしましょう。画像といった外部からのデータを受け取る層を「入力層」と言います。一方で猫の画像という判定結果を出力する層のことを「出力層」といい最終的なデータです。
その間に存在し、入力層と出力層の間を複数の経路で繋いでいるのが「隠れ層」となります。
また、「経路」には入力値の重要性や貢献度を数値化した「重み」という要素があり、これは判定を大きく左右します。これらにデータを使い、訓練していくほど経路と重みが変化し、より正確な出力ができるようになっていくのです。

deep learning(ディープラーニング)の場合この隠れ層がいくつも積み重なっていきます。

そして、deep neural networkとはここで使われている出力層が深い位置にあるニューラルネットワークのこと。deep learning(ディープラーニング)という言葉の由来もここにあります。

第三次AIブーム!deep neural networkが破ったAI(人工知能)の壁とは!

AIのイメージ

ここまででdeep learning(ディープラーニング)とその仕組みについて触れdeep neural networkが欠かせないものでありdeep learning(ディープラーニング)という名前の由来にもなっていると言及してきました。

それでは今度はdeep neural networkを機に破られたAI(人工知能)の壁に触れていきます。

まず近年のAI(人工知能)に対する注目の高まりは「第三次AIブーム」と呼ばれています。

第三次という言い方からもわかるように、AI(人工知能)に対し注目が集まっていた時期が過去に2回ありました。

前回の第二次AIブームが起きたのは1980年代でコンピュータに専門家の知識を教え込むことで現実の複雑な問題を解決できないか試みられていました。このシステムを「エキスパートシステム」と言います。第一次AIブームの時よりもコンピュータが小型化し性能も上がったことがブームのきっかけです。

しかしその時もうまくいかず冬の時代と呼ばれる時期に入ってしまったのは、私たちの生活では例外や矛盾したルールが多く、知識として教え込むのが困難だったという点にあります。

理由としてコンピュータは事前に入力された情報を基に命令をおこなっていくので入力されていないものや矛盾したものに対し柔軟に対応できなかったためです。

「言われた通りにしか動けない」というのがこれまでのAI(人工知能)が抱えていた壁。

しかし、deep neural networkを機にディープラーニングが実現しコンピュータが自ら学んでいくという手法が確立したことにより、第三次AIブームが起こり現在に至ります。

AlphaGoが人類最強の棋士に勝利!AI(人工知能)の躍進は止まらない!

AlphaGoのイメージ

第三次AIブームと称しAI(人工知能)に対する注目が集まる中大事件が起こりました。

イギリスのDeepMind社が開発したAlphaGo(アルファ碁)という囲碁のAI(人工知能)が人類最強と言われていた棋士の柯潔(カ・ケツ)に勝利したのです。

対局が行われたのは2017年5月27日で、事前にも対局をしていましたがいずれもAlphaGo(アルファ碁)の勝ちという結果でした。勿論ここでもディープラーニングが取り入れられています。

論文によると二つのdeep neural networkを新たなアプローチとして使っているとのこと。

一つは盤面を評価するvalue networksでもう一つは動きを選択するpolicy networks。人間のプロによる学習と、プログラム内で自ら対戦することによる学習を組み合わせることでさらなる囲碁の学習を進めています。

このAlphaGoは、AlphaGoZeroなど改良版が次々と開発されており今後の動向にも目が離せません。

 

Deep Neural Networkのイメージ

今回は「AIに興味があるなら知っておきたいDeep Neural Networkとは」と題し、deep neural networkとは何かディープラーニングやそれに使われるアルゴリズムであるニューラルネットワークを交えて言及しました。

そしてdeep neural networkがこれまでAI(人工知能)を開発する上で立ちはだかっていた壁を破るきっかけとなっており、AlphaGoとの関係性とはどのようなものであったかも触れていきました。

「私達人間が普段難なくこなしているタスクをコンピュータに学習させる」ディープラーニングが実現できたのもdeep neural networkのおかげで正確な出力を出すのに欠かせません。

今後のAI(人工知能)の発展でdeep neural networkがどのように関わっているかも見ていけるといいですよね。

トップへ戻る
タイトルとURLをコピーしました