最後に書く「ディープラーニング」

　今回は最後に書く「ディープラーニング」を書こうと思います。

　ディープラーニングと言うのは「小さなまとまりとして構成したニューラルネットワークの一つ一つに役割を与え、理解するべき内容を出来る限りシンプルにしてから理解させよう」という試みです。

　換言すれば、ニューラルネットワークで多数の班を作り、班ごとにシンプルな役割を与え、各班に順番にタスクをこなさせる学習方法がディープラーニングということです。凄いところは、その役割の分担や理解すべき内容の単純化を機械自身が行えるという点にあります。

　例えば、「写真を見たらとりあえず映像を小分けにして解析する」みたいな事です。そして、小分けにして解析したものに優先順位をつけつつ、情報の関連性を探っていきます。

　最初は「牙とか耳とか口とか特徴的なので、とりあえず動物」→「牙尖っているので肉食」→「耳が立ってるので狼」→「猫系にも居る」と第1段階はかなりアバウトに絞り込みます。

　こうして、特徴的な部分を勝手に抽出してきた最初の第1段階からは、第2段階に情報を渡します。

　第2段階では、「肉食が得意な分野」、「耳尖っている動物の分野」、「模様の分野」など得意分野毎に情報割り振っていきます。

　そうして、一つ一つの得意分野が、いくつかの動物の例までピックアップします。

　最後に判断を下す幹部的な出力層はこれらの情報を糧に、「本当に似ているか」→「取り敢えず猫は無い」→「一番近いのは犬だろう」と最終判断が下されます。

　この様に、人間に近い考え方が出来るようになったことが、ディープラーニングで注目されている進歩の一つなのです。

　今まではこの役割分担については人が教えながらやって来ました。しかし、このディープラーニングの学習方式は、人工知能が自ら役割分担してチームを作るので、人間のやり方にかなり近いものになります。

　言語の翻訳などもそれに近く、辞書的に文法や単語を見て、単語を並べ替えているだけでした。それがようやく、ディープラーニングを駆使することで、人間に近い思考回路を持って、なんとなくだけれども「理解」した上で答えを出すようになったのです。

　この「ディープラーニング」は物を識別するうえで、自動運転には不可欠な技術ではないでしょうか。