[知っておいて損はない気になるキーワード解説]

3度目の正直?AIブームの火付け役「深層学習」

2017年12月4日(月)清水 響子

マイクロサービス、RPA、デジタルツイン、AMP..。数え切れないほどの新しい思想やアーキテクチャー、技術等々に関するIT用語が、生まれては消え、またときに息を吹き返しています。メディア露出が増えれば何となくわかっているような気になって、でも実はモヤッとしていて、美味しそうな圏外なようなキーワードたちの数々を、「それってウチに影響あるんだっけ?」という視点で、分解していきたいと思います。

【用語】深層学習

 「AI」という文字を目にしない日がないほど、人工知能(Artificial Intelligence: AI)が関心を集め、様々な用途が提案されるようになりました。英ARMの消費者アンケート調査によると回答者の61%がAIによってより良い社会が実現すると回答し、特に医療や自動運転に対する期待が明らかにされています。 ここへきて急速に実用化が進む第3次AIブームの火付け役となった中核技術が、深層学習(Deep Learning)です。

 ワシントン大学の研究チームによる脳震盪検出スマートフォンアプリ「PupilScreen」、GoogleとMITラボが開発するリアルタイムフォトレタッチアプリ等、続々応用事例が発表されている深層学習。人間が学び方を指示する従来の機械学習(Machine Learning)に比べると、学習過程におけるデータ分析前の「特徴量の抽出」という工程を自動化した点がイノベーションです。機械にルールを与える必要がないため、データクレンジングやコーディングに伴う人間の手間がグッと省力化されました。ビッグデータとGPUをはじめとするハードウェアの革新により導入環境も整い、今後も普及が加速するものと見られます。

(図1)従来の機械学習(上)と深層学習(下):DL(下)では学習に伴う人間の手間が大幅に省力化され、AI普及に期待がかかる
拡大画像表示

【イノベーション】ディープがもたらしたAIブレークスルー

 AIを実現する中核技術要素が、機械学習です。基本的なモデルは(図2)の通りで、機械に学習させる画像などのインプットデータと目指すべきアウトプット(正解)を与え、正解に近いアウトプット(推論結果)を導き出すためのデータ変換アルゴリズムを計算、学習させます。学習を経て得られた手法を用いてデータ処理を行う(推論)ことにより、データ分類や分析、予測が自動化され、「知能」として機能します。

(図2)機械学習の基本モデル:与えられたインプットをアウトプット(予測結果)に変換し、目指すべきアウトプット(正解)との誤差を最小化すべく計算アルゴリズムを調整していく。計算アルゴリズムの一種がニューラルネットワーク
拡大画像表示

 データ処理には、インプットデータをデータの項目ごとに分類する必要があり、商品の写真ならばサイズや形状、色などのデータ項目(特徴量)が使われます。

この記事の続きをお読みいただくには、
会員登録(無料)が必要です
【次ページ】AIブーム、3度目の正直
  • 1
  • 2
  • 3
バックナンバー
知っておいて損はない気になるキーワード解説一覧へ
関連記事

3度目の正直?AIブームの火付け役「深層学習」マイクロサービス、RPA、デジタルツイン、AMP..。数え切れないほどの新しい思想やアーキテクチャー、技術等々に関するIT用語が、生まれては消え、またときに息を吹き返しています。メディア露出が増えれば何となくわかっているような気になって、でも実はモヤッとしていて、美味しそうな圏外なようなキーワードたちの数々を、「それってウチに影響あるんだっけ?」という視点で、分解していきたいと思います。

PAGE TOP