WEBマガジン
「<オージス総研をとりまく>人工知能技術の過去と現在(6)」
2017.09.15 株式会社オージス総研 乾 昌弘
1.はじめに
(2)特定分野で機械学習をする場合に、それに適したネットワークが準備されていると便利です。ここでは「教師あり学習」ディープラーニングの代表格であるCNN(Convolutional Neural Network)について説明します。
2.CNN(Convolutional Neural Network)
2-1.CNNについて
(2)CNNは、Convolutionをも組み込んだニューラルネットワークである。Poolingによる画像圧縮とペアになっており、繰り返すことによって画像内のパーツを抽出する。なお、Pooling層は画像の位置的なずれを補正する働きもある。
(3)1979年大阪大学福島邦彦教授が提案した「ネオコグニトロン」が原型である。
2-2.畳込層とPooling層におけるBack Propagation
(2)Pooling層のノードは、他のノードとは違い活性化関数も持たず、入力=出力である。Pooling層と畳込層のリンクの値は1か0である。従って誤差の影響をまともに受けるか、まったく受けないか、はっきりしている。
なお、それより入力側の値がBack Propagationによって変化していくので、どのノードの値が最大値になるかも変化しうる。
(3)入力層のi番目の出力をIiとすると、畳込層のj番目の入力Cjは、
Cj = f1×Ii + f2×I(i+1)
で表現できる。一般的なニューラルネットワークと比べるとリンクが少なく、f1, f2ごとに重み付けを(平均化するなどして)等価に変更する。
Back Propagationによって、重み付けが変化するためフィルタの値も変化する。
図1.簡単化したCNN
2-3.一般化
(2)N、Kは変化して繰り返す。
(3)この出力値(パーツあるいは特徴量)を7月号で説明したFully Connectedのニューラルネットワークの入力値とする。
(4)入力層に近いほど、より一般的な結びつき(重み付け)になる。出力層に近いほど、アプリよりの結びつき(重み付け)になる。
図2.一般化のフロー
図3.一般化したCNN
2-4.考察
(2)クラウド上で、既に重み付けのされたCNNが公開されているので、入力層に近いリンクはそのまま利用することで、効率よく機械学習をさせることができる。
(3)学生時代に聴いた話によると「人間は情報の70%~90%を目から得ている。」従って、CNNの果たす役割も大きいと思う。
(4)将棋で29連勝した藤井棋士は「直観像記憶」を持っているらしい。映像をバッチリ記憶しており、詳細まで再現できるらしい。α碁もCNNを用いて、パターン認識及び判断をしているようである。(次号で説明予定)
(5)以前はIT分野でのニューラルネットワークと、人間の神経回路網はかなり違っていたので、別々に研究が行われていたが、最近は両方研究する人が増えているらしい。
(6)時系列データを扱うRNN(Recurrent Neural Network)など目的、領域に応じたネットワークが増えると実用に供するようになる。
(7)動画をCNNとRNNで学習させて時系列的な変化を捉えたり、声紋をCNNとRNNで学習させて音声認識させたりする例があります。それぞれのタイプのネットワーク技術が発展すると、いろいろな組合せも可能で、応用が一機に広まると思います。
図4.活性化関数
3.ビジネスに活用する時の注意点
3-1.目的の明確化
(2)ITベンダから提案されたら、AIという言葉(等)を消してみて、具体的にどういう技術を使っているか見極めることが必要である。
3-2.対象データ
(2)オープンデータを活用することも重要である。
3-3.データ分析
http://www.ogis-ri.co.jp/rad/webmaga/rwm20140902.html
(2)Excelでできるか、特定のツールが必要なのか。クラウドを使うのか、On Premiseでやるのかなどの検討も必要となる。
(3)データ入力の際には、クレンジング(欠損値、異常値処理など)も重要な作業になる。
3-4.人材確保
蛇足であるがKKの部分は、第2次AIブームの時にエキスパートシステムという形でシステム化が図られたが、うまくいかなかった。
(2)ビジネスモデルに組み込んで事業化していくためには、継続してオペレーションできる人材が必要となる。
図5.データ分析の手順
「参考文献」
1. | 「第一人者が本音を激白」データサイエンティスト(河本薫氏)日経ストラテジーAugust 2017, P32-P33 |
2. | 乾昌弘「人工知能の概要と現状について」社内資料(2016年) |
「余談」
1. | セミナーなどに出席すると、第2次AIブームを経験してきた(私を含む)年配の人々が元気になったような気がする。 |
2. | これからは、人とマシン、人と人工知能とのコミュニケーションが重要になると言われている。 |
*本Webマガジンの内容は執筆者個人の見解に基づいており、株式会社オージス総研およびさくら情報システム株式会社、株式会社宇部情報システムのいずれの見解を示すものでもありません。
『WEBマガジン』に関しては下記よりお気軽にお問い合わせください。
同一テーマ 記事一覧
「人工知能技術の過去と現在(最終回)」
2019.03.15 製造 株式会社オージス総研 乾 昌弘
「<Part 2>人工知能技術の過去と現在(5)」
2018.11.12 製造 株式会社オージス総研 乾 昌弘
「<Part 2>人工知能技術の過去と現在(4)」
2018.09.13 製造 株式会社オージス総研 乾 昌弘
「<Part 2>人工知能技術の過去と現在(3)」
2018.08.10 製造 株式会社オージス総研 乾 昌弘
<Part 2>人工知能技術の過去と現在(2)
2018.07.19 製造 株式会社オージス総研 乾 昌弘
「<Part 2>人工知能技術の過去と現在(1)」
2018.06.15 製造 株式会社オージス総研 乾 昌弘
「人工知能技術の過去と現在(下)」
2018.03.19 製造 株式会社オージス総研 乾 昌弘
「人工知能技術の過去と現在(上)」
2018.02.20 製造 株式会社オージス総研 乾 昌弘
「スマートグリッド社会成熟度モデルと人工知能」
2018.01.24 製造 株式会社オージス総研 乾 昌弘
「AIなどを通じて経験したGlobal Business」
2017.12.15 製造 株式会社オージス総研 乾 昌弘
「ビジネスを解析する手法とその比較(AI含めて)」
2017.11.17 製造 株式会社オージス総研 乾 昌弘
「<オージス総研をとりまく>人工知能技術の過去と現在(7)」
2017.10.25 製造 株式会社オージス総研 乾 昌弘
「<オージス総研をとりまく>人工知能技術の過去と現在(5)」
2017.08.28 製造 株式会社オージス総研 乾 昌弘
「<オージス総研をとりまく>人工知能技術の過去と現在(4)」
2017.07.20 製造 株式会社オージス総研 乾 昌弘
「<オージス総研をとりまく>人工知能技術の過去と現在(3)」
2017.06.19 製造 株式会社オージス総研 乾 昌弘
「<オージス総研をとりまく>人工知能技術の過去と現在(2)」
2017.05.19 製造 株式会社オージス総研 乾 昌弘
「<オージス総研をとりまく>人工知能技術の過去と現在(1)」
2017.04.17 製造 株式会社オージス総研 乾 昌弘