コミック版：ディープラーニングって何？

Google はどのようにしてわずか数秒で Web ページ全体をさまざまな言語に翻訳するのか、あるいは携帯電話のギャラリーがどのようにして位置情報に基づいて写真をグループ化するのか。これらはすべてディープラーニングの成果です。

しかし、ディープラーニングとは何でしょうか?

ディープラーニングは機械学習のサブセットであり、機械学習は人工知能のサブセットです。

人工知能は機械が人間の行動を模倣できるようにする技術であり、機械学習はデータを使用してトレーニングされたアルゴリズムを通じて AI を実装する技術であり、最後にディープラーニングは人間の脳の構造 (生物学的ニューラル ネットワーク) にヒントを得た機械学習の一種です。この構造は、ディープラーニングの分野では人工ニューラルネットワークと呼ばれています。

ディープラーニングと機械学習の違いについて理解を深めましょう。

トマトとチェリーを区別できる機械があるとします。これを機械学習を使用して行う場合、2 つを区別できる特徴を機械に伝える必要があります。これらの特徴としては、茎のサイズや種類などが挙げられます。

ディープラーニングを使用すると、ニューラル ネットワークは人間の介入なしに特徴を抽出できます。

もちろん、この機能には、マシンをトレーニングするための大量のデータが必要です。それでは、ニューラル ネットワークがどのように機能するかを詳しく見てみましょう。

原理

ここに 3 人の生徒がいます。それぞれが紙に数字の 9 を書きますが、書き方はまったく同じではありません。人間の脳は数字を簡単に認識できますが、コンピューターはどのように数字を認識するのでしょうか? これはディープラーニングを使用することで可能になります。

各数字は 28 x 28 ピクセルの画像として表示され、合計 784 ピクセルになります。

これは手書きの数字を認識するようにトレーニングされたニューラル ネットワークです。ニューロンはニューラル ネットワークの最も基本的なコア エンティティであり、情報処理が行われる場所です。784 個のピクセルのそれぞれが、入力層を形成するニューラル ネットワークの最初の層のニューロンに送信されます。入力層は入力を受け入れるだけで、機能処理は実行しません。

もう一方の端は出力層で、入力層と出力層の間にあるニューロンの層は隠れ層と呼ばれます。隠れ層と出力層のニューロンは、活性化関数を持つ機能ニューロンです。

入力層ニューロンは、重み付けされた接続を介して送信される 784 個の入力信号を受け取ります。ニューロンが受け取った合計入力値は、ニューロンのしきい値 (各ニューロンにはバイアスと呼ばれるしきい値があります) と比較され、活性化関数によって処理されてニューロンの出力が生成されます。活性化関数の結果によって、ニューロンがアクティブ化されるかどうかが決まります。

ニューラル ネットワークの学習プロセスは、トレーニング データに基づいて、ニューロン間の「接続重み」と各機能ニューロンのしきい値を調整することです。言い換えれば、ニューラル ネットワークが学習するものは、接続の重みとしきい値に含まれています。

応用

では、ディープラーニングの応用は何でしょうか?

カスタマー サービス業界: ほとんどの人がカスタマー サービス エージェントと話すとき、会話が非常にリアルであるため、実際にはロボットであることにさえ気づきません。

医療業界では、ニューラル ネットワークを使用して癌細胞を検出し、MRI 画像を分析して詳細な結果を提供することができます。

SFの世界のように思われた自動運転車が、今や現実のものとなった。アップル、テスラ、日産などの企業が自動運転車を開発している。

制限

ディープラーニングの範囲は広いですが、いくつかの制限もあります。

データ量

最初の制限はデータです。ディープラーニングは非構造化データを処理するための最も効果的な方法ですが、ニューラル ネットワークをトレーニングするには大量のデータが必要です。

計算能力

大量のサンプル データがあるものの、すべてのマシンにこのデータを処理する能力があるわけではないと仮定すると、2 番目の制限である計算能力が発生します。通常は「計算能力」と呼ばれます。

ニューラル ネットワークのトレーニングには、数千のグラフィックス プロセッシング ユニットが必要です。もちろん、GPU は CPU に比べて高価です。

トレーニング時間

最後に、トレーニング時間があります。ディープ ニューラル ネットワークのトレーニングには数時間から数か月かかり、データの量とネットワークのレイヤー数に応じて時間も長くなります。

ディープラーニングフレームワーク

人気のあるディープラーニング フレームワークには、Tensorflow、Pytorch、Caffe、DL4J、Microsoft 認知ツールキットなどがあります。

未来

ディープラーニングと人工知能の将来の応用についてはまだ表面をなぞったに過ぎず、将来は驚きに満ちているでしょう。

Horse Technology は、ディープラーニングを使用してコンピューター ビジョンで世界をユーザーに説明し、人間の心を全体的に再現する視覚障害者向けのデバイスを開発しています。

クイズ ニューラル ネットワークの正しい動作順序に関するクイズです。

• A. バイアスが追加される
• B. 入力の加重合計が計算される
• C. 特定のニューロンが活性化される
• D. 結果は活性化関数に入力される

答え：

B. 入力の加重合計を計算する
A. 偏差の追加
D. 結果は活性化関数に入力される
C. 特定のニューロンが活性化されます。説明: ニューラル ネットワークでは、層内の各ニューロンは対応する層内の他のニューロンに接続されます。これらの接続にはランダムな重みがあります。入力の加重合計を計算し、バイアスの形式で追加の入力 (w*x+b) を追加します。結果は活性化関数に入力されます。特定の閾値に基づいて、閾値を超えるニューロンのみが活性化されます。