見出し画像

AI技術におけるディープラーニングの位置づけ

はじめに

  • 本投稿の内容について
    はじめまして。SHIFT DAAE(ダーエ)部の栗山です。私が所属するDAAEの開発チームでは定期的に勉強会を開催しています。今回は「ディープラーニング入門」をテーマにした勉強会の内容を3回に分けて投稿していく予定です。どうぞよろしくお願いします。

  • 構成
    全3回の構成は以下を予定しています。

    1. AI技術におけるディープラーニングの位置づけ ← 今回

    2. TensorFlowのチュートリアル紹介

    3. ディープラーニングで始めに知っておきたい理論の紹介

  • 背景
    「ディープラーニング入門」の勉強会を行った経緯を以下にご説明します。

    • ディープラーニングの技術が発展し、システムにおける部品としての扱いが可能になりつつあること

    • その結果、開発速度や経済品質の向上が見込まれること
      「DAAE」は以下の意味です。そのコンセプトに沿った開発がディープラーニングで可能になりつつある、ということです。

      • D: Design(デザイン)

      • A: Agility(迅速性)

      • A: Assembly(組み合わせ)

      • E: Economic Quality(経済品質)

|AIとは何か?

昨今、「AI」という言葉が広範囲に使われており、その意味があいまいになっていると思います。いったん「AIとは何か?」を確認したいと思います。

  • 「AI」という言葉の背景

    • キャッチフレーズとして広く使用されている

    • 画像認識、音声認識、文字起こし、チャットボット、AlphaGo、自動運転、エアコン操作など多種多様な分野、状況で使用されている

  • 「AI」とは何か?
    文部科学省のキッズ向けのHPでとてもわかりやすい解説があります。これを私の解釈で以下のようにまとめました。

    • AI:「人工知能」の略称

    • AIの中心技術:機械学習

      • コンピュータが「学ぶ」ことができる技術

    • 応用用途

      • 翻訳

      • 自動運転

      • 医療画像診断

      • 囲碁

本投稿においては「AIは人工知能の略称」であり、「その中心技術は機械学習である」という前提で進めていきます。

|機械学習とは?

「AIの中心は機械学習」ということで、まずは機械学習について俯瞰したいと思います。

  • 機械学習について俯瞰
    機械学習は、大きく「教師あり学習」と「教師なし学習」に分けられます。以下にその様子を図解しました。
    また本投稿のテーマであるディープラーニングは、「教師あり学習」に位置づけられます。

  • 機械が学ぶとは?
    次に、「機会が学ぶ」とはどういうことなのかを教師あり学習の回帰分析を例に説明します。

    以下の図は、車の馬力と価格の関係をグラフにしたものです。馬力が高いと価格も高いといった関係が読み取れます (こちらよりお借りしました)。

  • 「回帰分析でやりたいこと」何か?
    回帰分析でやりたいことを確認します。

    • 「データ(赤い点)」から、「馬力と価格との関係」を明らかにすること

  • 馬力と価格との関係
    馬力と価格との関係は、データの中心を通るようにひかれた直線です。
    この直線を使うことで、馬力から価格が予想できます。以下の緑線でその様子を図解しました。

  • 「機械が学ぶ」ことのまとめ
    回帰分析における「機械が学ぶ」とはどういうことであるかを以下にまとめます。

    • 「データ(赤い点)」から「馬力と価格との関係を表す直線」を作ること
      ※この直線により、馬力がわかれば、価格の予想をつけられるようになるため。
      ※この直線を以下では、予測モデルと呼びます。

  • 予測モデルについて
    予測モデルについて以下のようなことが言えます。

    • データの精度、量が多いほどに予測モデルは正確になる

    • 複雑なモデルは、表現力が高い(色々なことができる)

      • 単純なモデル:線形回帰分析(直線や平面による予測)※上記の例

      • 複雑なモデル:ディープラーニングなど(画像やテキストの分類、予測など)

|ディープラーニングについて

最後にマインドマップでディープラーニングの現状を図解してみたいと思います。下記では、ディープラーニングのマインドマップ上に、近年急速に発展した部分を緑の点線で囲ってみました。
※図をシンプルにするため、フレームワークや適用分野は一例のみを記載しています。

図中の急速に発展した分野を以下にまとめます。

  • フレームワーク:新しい理論がどんどん使えるようになっていく。

  • 適用分野:まさに日進月歩で追いかけるのが難しいほど。

  • データプラットフォーム:高品質なデータセットが公開されている。

  • 計算環境:GOU, TPUの発展に加え、クラウド上でのコンピューティング環境も発展中。

最後に

お読みいただきどうもありがとうございます。本投稿では、AI、機械学習、ディープラーニングについて簡潔にまとめました。この内容だと物足りないという方は、以下の参考資料の総務省のものを参照して頂けるとよいと思います。

次回は、TensorFlowのチュートリアルのご紹介をしたいと思います。
どうぞよろしくお願いします。

参考資料

注記

※1: 最近ではディープラーニングは教師なし学習としても利用可能になっている。

MAGAZINE

\もっと身近にもっとリアルに!DAAE公式Twitter/


執筆者プロフィール:Kuriyama Akira
株式会社SHIFT DAAE部で開発エンジニアをしています。前職はPM&エンジニア(C++)です。モダンなWEBアプリは色々と学ぶことが多く、そういった内容もブログに書いていきたいです。

お問合せはお気軽に
https://service.shiftinc.jp/contact/

SHIFTについて(コーポレートサイト)
https://www.shiftinc.jp/

SHIFTのサービスについて(サービスサイト)
https://service.shiftinc.jp/

SHIFTの導入事例
https://service.shiftinc.jp/case/

お役立ち資料はこちら
https://service.shiftinc.jp/resources/

SHIFTの採用情報はこちら
https://recruit.shiftinc.jp/career/