SHOEISHA iD

※旧SEメンバーシップ会員の方は、同じ登録情報(メールアドレス&パスワード)でログインいただけます

EnterpriseZine(エンタープライズジン)編集部では、情報システム担当、セキュリティ担当の方々向けに、EnterpriseZine Day、Security Online Day、DataTechという、3つのイベントを開催しております。それぞれ編集部独自の切り口で、業界トレンドや最新事例を網羅。最新の動向を知ることができる場として、好評を得ています。

直近開催のイベントはこちら!

Security Online Day 2022

2022年9月16日(金)10:00~17:10

EnterpriseZine(エンタープライズジン)編集部では、情報システム担当、セキュリティ担当の方々向けの講座「EnterpriseZine Academy」や、すべてのITパーソンに向けた「新エバンジェリスト養成講座」などの講座を企画しています。EnterpriseZine編集部ならではの切り口・企画・講師セレクトで、明日を担うIT人材の育成をミッションに展開しております。

お申し込み受付中!

今だからこそ専門家に聞いておきたいAIのリアル

第2回 機械学習技術で今解決できることと、今後できるようになることとは

 AIの専門家であるAppierのチーフAIサイエンティスト ミン・スン氏に、現状のAIのリアルな姿を解説してもらうシリーズ。その2回目では、現在のAIの主流技術である機械学習を取りあげる。機械学習や深層学習の技術を使うことで、現状どのような課題が解決できるのか。さらには機械学習を活用していく上での課題、そして今後の機械学習技術の進化についても話を伺った

機械学習の学習時間は大きく短縮できる可能性がある

Appier チーフAIサイエンティスト ミン・スン氏

Appier チーフAIサイエンティスト ミン・スン氏

Q::現状の機械学習、深層学習の技術を利用することで、いったいどのような課題が解決できるのでしょうか。

スン氏:基本的に機械学習でも深層学習でも、できるのは予測することです。Xを入れるとYというアウトプットを出す。インプットのXとアウトプットのYに一貫性があり、Yを測定できれば機械学習は有効です。これについては、機械学習が有効でない例を示すと分かりやすいかもしれません。たとえば「芸術作品にどれくらいの価値があるかを予測する」といったことです。これだと誰が評価するかで、結果である価値が変わります。アウトプットに一貫性がないので、機械学習でこういったことを予測するのは得意ではありません。

Q::機械学習と深層学習の違いはどのように捉えれば良いのでしょうか。

スン氏:機械学習という言葉は、包括的なものを表しています。広い意味で捉えれば、データから学ぶことは機械学習と言えるでしょう。そのデータから学ぶやり方には、さまざまなものがあります。その中の1つに深い階層で意思決定をするものがあり、それが深層学習(Deep Learning)と呼ばれ、多層のニューラルネットワーク(Deep Neural Network)で学習することが特別なものとなります。

Q::深層学習が登場して、機械学習で解決できることに変化はあったのでしょうか。

スン氏:たとえば、深層学習でネコの画像を解析するとします。コンピュータがネコの画像を見ると、2次元のピクセルの配列があり、基本的にはピクセルの明るさの違いを見ることになります。それを概念化することで、ネコかどうかを判断するのです。この判別の仕方は、実際のネコからはかなりかけ離れた情報を使って判別していることになります。

 一方で、ネコにもっと近い情報があります。たとえば「かわいい」、「毛が生えていてもふもふしている」、「ニャーと鳴く」などの情報は、実際のネコに近い情報です。それらを従来の機械学習に投入することで、高い精度でネコだと判別できるでしょう。しかし、ピクセルの情報を従来の多層のニューラルネットワークではない機械学習に投入しても、あまり良い判別結果は得られません。画像からネコかどうかを判別するようなところでは深層学習が有効であり、問題解決方法として採用される余地があったと言えます。

Q::機械学習では大量のデータを学習することになりますが、現状のコンピュータ環境では学習の処理のために必要な能力は、十分に得られているのでしょうか。

スン氏:クラウドの中で行う機械学習の処理では、80〜90%のケースで十分な能力が得られているでしょう。しかしながら十分な能力を得ようとすると、コストは少し高くなってしまいます。またスピード面でも少し課題があります。これも80%ほどは十分なスピードが出ているかもしれませんが、場合によっては学習に3日〜4日かかるものもあるでしょう。そういったものを3、4分に短縮できると、1日の間に何度も試行錯誤しながらさまざまなことが行えるようになるはずです。スピードが速くなれば、それだけたくさんの人の要望にも応えられるでしょう。

 また、クラウドだけでなく今後はよりエッジで機械学習の処理が行われるはずです。と言うのも、データのプライバシーの問題もあり、クラウドにデータをあげたくないこともあるからです。またリアルタイムな処理を求める場合も、クラウドは向いていません。そのためエッジでの機械学習処理については、まだまだ十分な能力がなく遅れています。

次のページ
アルゴリズムでも実装の技術でもさらに機械学習の処理は高速化できる

この記事は参考になりましたか?

  • Facebook
  • Twitter
  • Pocket
  • note
今だからこそ専門家に聞いておきたいAIのリアル連載記事一覧

もっと読む

この記事の著者

谷川 耕一(タニカワ コウイチ)

EnterpriseZine/DB Online チーフキュレーターかつてAI、エキスパートシステムが流行っていたころに、開発エンジニアとしてIT業界に。その後UNIXの専門雑誌の編集者を経て、外資系ソフトウェアベンダーの製品マーケティング、広告、広報などの業務を経験。現在はフリーランスのITジャーナリスト...

※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です

この記事は参考になりましたか?

この記事をシェア

EnterpriseZine(エンタープライズジン)
https://enterprisezine.jp/article/detail/12530 2019/10/15 06:00

Job Board

PR

おすすめ

アクセスランキング

アクセスランキング

イベント

EnterpriseZine(エンタープライズジン)編集部では、情報システム担当、セキュリティ担当の方々向けに、EnterpriseZine Day、Security Online Day、DataTechという、3つのイベントを開催しております。それぞれ編集部独自の切り口で、業界トレンドや最新事例を網羅。最新の動向を知ることができる場として、好評を得ています。

2022年9月16日(金)10:00~17:10

新規会員登録無料のご案内

  • ・全ての過去記事が閲覧できます
  • ・会員限定メルマガを受信できます

メールバックナンバー

アクセスランキング

アクセスランキング