ディープラーニングは人工知能の進化に大きな影響を及ぼしたが、その仕組みはあまりしられていない。また、アルファ碁で有名になった「深層強化学習」もディープラーニングと「強化学習」の組み合わせである。このコラムではディープラーニングと「強化学習」、さらにはディープラーニングの課題について説明している。このコラムを読めば、ディープラーニングとは何か、さらにはその課題についても理解することができ、今後のビジネスへどのように応用すればよいか、そのヒントになるはずである。
1. ディープラーニングとは何か
ディープラーニングは機械学習の技術の一部である。機械学習では「特徴量」をあらかじめ設定しておく必要があったのが、ディープラーニングを使うことで、大量の画像を読み込ませることで、「特徴量」を見つけ出すことができるようになる。もちろんこれまでの機械学習でも「特徴量」を見つけだす試みがなされていたが、ディープラーニングでは「自己符号化器」という処理を使っている。「自己符号化器」とはどのような処理かというと「出力」と「入力」を同じにするというものだ。少し考えれば分かるが、「出力」と「入力」を同じにすることに意味はない。しかし「出力」がもとの「入力」とできるだけ近いものになるように「重みづけ」を修正することで、より適切な「特徴量」を見つけ出すことで意味を持ってくる。こうした作業は「復元エラー」を最小にする処理であり、繰り返し行うことで人工知能はより適切な判断ができるようになる。またこうした処理の仕方は「入力」と「出力」を同じにしているのだから、これまでの機械学習と同様に「教師ありデータ」を使っているともいわれ、教師あり学習で教師なし学習を行っていると考えられる。さらに、この学習の結果、作り出された特徴量によって最後の分類は行われているのだから、最終的には教師あり学習になるのだ。こうした「特徴量」は、これまで人間が教えてきたが、それを人工知能自身で判断していくことができるというのが、大きな進化なのである。
さらに「特徴量」の話を進めていこう。「特徴量」はより正確でなければならない。「特徴量」を正確にするには、ちょっと違ったものを読み込ませることで可能になる。ちょっと違ったものを読み込み処理することで、この「特徴量」は絶対に間違ったものではないと高めることができる。こうした処理の繰り返しが、人工知能が正確に判断できるようになる仕組みなのである。
<関連記事>
AIとして注目されるディープラーニングとは
2. ディープラーニングと深層強化学習
ディープラーニングの進化には強化学習との組み合わせが欠かせない。強化学習とはコンピュータが正解の行動を取ったら「報酬」を出すようにする学習方法だ。人工知能は「報酬」をたくさん得るために、正解を導くように学習していく。こうした処理の仕方をディープラーニングと強化学習を組み合わせて、「深層強化学習」という。「深層強化学習」で有名なのがアルファ碁である。コンピュータ自身が対戦を繰り返すことでより勝率が高い戦術(報酬をもらえる戦術)を見つけ出す。こうした処理は動物の脳と同じだという。例えばラットをかごに入れて、あるボタンを押すとエサが出てくる単純な仕組みを作る。ラットはボタンを押すとえさを得ることができると分かれば、ラットは報酬を得るべくボタンを押し続ける。こうした仕組みを応用しているのが、「強化学習」なのである。そしてこの仕組みがディープラーニングと組み合わせると「深層強化学習」となる。「ディープラーニング」と組み合わせることで、「強化学習」を人工知能でも利用できるようになったのである。
前述したアルファ碁はアルファ碁同士で対戦し、より報酬が高い戦術を作り出していった。その対局数は人間では越えられないものである。それだけの対局数をこなしたことで、人間よりも優れた碁を打つことができるようになったのである。
3. ディープラーニングのビジネス応用への課題
ディープラーニングの注目度は高まるばかりだが、そこには課題もある。特にビジネスで利用するとなると課題がある。ひとつにはデータの問題。データが大量になければ「特徴量」を見つけ出すことができない。ふたつには技術の進歩も早いため、ビジネスに応用するのが難しいこと、みっつには、特にこれが問題なのだが、何か問題が起こった場合、その原因を見つけることが困難であることである。これはいわゆる「ブラックボックス問題」である。確かにビジネスの現場で何か問題が起こった際に、その原因が分からないとなれば大変な問題だ。例えばある学会関係者は「製品の安全対策は万全でなければならず、しっかりと判断および予測の過程を追える人工知能のほうが有益であるとの意見がある」(AI研究における「ブラックボックス問題」とは何か)としている。そのため、どのように結論を出したのかを説明可能な人工知能の開発は進んでいくと思われる。一方で、そもそも人工知能がどのように結論を出したのか知る必要があるのかという主張もある。確かに人間が相手だとしても、その相手がどのようにその結論に至ったのかいちいち知る必要はないし、その説明が間違っていることも多い。最終的にはコンピュータが出した結論は人間が出した結論よりも優れていると信じるしかないのかもしれないが、現状では難しいと言えるだろう。
<関連記事>
日本国内でのディープラーニング成功事例４選
まとめ
ディープラーニングは人工知能に大変な影響をもたらしたのは確かであるが、そこには課題もある。どのような課題があるのかしっかりと理解し、今後、人工知能がどのように進化するのか注目してほしい。
<関連記事>
海外でのディープラーニング活用成功事例5選
<参考>
- 『マンガで分かる人工知能』(藤木俊明著)
- 『人工知能が変える仕事の未来』(野村直之著)
- 『人工知能は人間を超えるか』(松尾豊著)
- 第2回 強化学習が注目されている理由と応用事例
https://book.mynavi.jp/manatee/detail/id=87889 - 深層学習の過大評価は危険、ウーバーAI研究所の前所長が指摘
https://www.technologyreview.jp/nl/the-case-against-deep-learning-hype/ - 人工知能・AI・ディープラーニングの現状と5つの弱点 | AIシリーズ②
http://neuro-educator.com/ai2/#AI5 - ディープラーニング最近の進展とビジネス応⽤への課題
http://www.gdep.jp/seminar/20150526/DLF2015-03-PFN.pdf - AI研究における「ブラックボックス問題」とは何か
https://forbesjapan.com/articles/detail/19698 - 囲碁の最強人工知能 AlphaGo（アルファ碁）の仕組みとは？
https://tech-camp.in/note/technology/32855/
役にたったらいいね！
してください
NISSENデジタルハブは、法人向けにA.Iの活用事例やデータ分析活用事例などの情報を提供しております。
