[前回] AWS公式資料で挑むMLS認定(2)-AI/機械学習(ML)の基本
はじめに
前回は、AI/機械学習の基本を取り上げました、
今回は、少し深い学習手法深層学習を理解します。
深層学習(DL: Deep Learning)とは
- 深層学習(ディープラーニング)とは
- 機械学習の一種で、人間の脳の学習と情報処理をシミュレートし、データから複雑な概念や関係を抽出
- 深層学習モデルは、画像/テキスト/音声データにおける複雑なパターン認識により予測精度を上げる
- 対象の全体像から細部までの各々の粒度の概念を階層構造として関連させて学習
- 従来の機械学習で、基本的な回帰アルゴリズムなどは、説明可能な一連のリレーションシップしか作成できなかった
- 深層学習では、非線形アルゴリズムの階層を利用し、相互作用する一連の要素に対し、分散表現と予測を作成できる
-
ニューラルネットワークというネットワーク構造が使用される- プログラムコードでは表現できない、人間が理解さえできないリレーションシップを特定できる
- 階層化アルゴリズムを使用し、複雑なデータの予測や解釈が可能
- 機械学習の一種で、人間の脳の学習と情報処理をシミュレートし、データから複雑な概念や関係を抽出
ニューラルネットワークのネットワーク構造
- 3層構造
- 入力層
- 中間層
- 出力層
- 各層に
重みを設定- 学習しながら
重みを調整することで、より精度の高い予測を行なう
- 学習しながら
- 多層人工ニューラルネットワーク(DNN: Deep Neural Network)
- 中間層が複数層となり、深いネットワーク構造
- DNNを用いる学習を深層学習(ディープラーニング)と呼ぶ
AI/機械学習/深層学習の関係
- AI(ルールベース)
- 機械学習
- 深層学習(ニューラルネットワーク)
- 機械学習
深層学習のユースケース
コンピュータが自律的に学習を行い、管理を必要としないため、
幅広い人工知能のユースケースに適している。
- 画像や動画の分類と区分け
- 畳み込みニューラルネットワークは、対象分類や顔認識など視覚的タスクにおいて、人間を上回る
- 写真ストレージサービスに、深層学習による顔認識機能が使用される
- Amazonサービス: Amazon Rekognition
- 音声認識
- 仮想アシスタントがリクエストを認識し応答を返すように設計
- 深層学習により、発話とその意味を簡単に判断できる
- 人間のアクセントや音声パターンは変化するため、伝統的な数学やコンピュータサイエンスを利用して音声認識を行うことは困難
- Amazonサービス: Amazon Transcribe
- 自然言語処理
- システムが人間の言語、語調、文脈を理解できるように設計
- 感情や皮肉などのより難しい概念を識別できる
- ユーザーからの問い合わせを解読し応答を行う音声/テキストボットで顧客サービスを自動化
- Amazonサービス: Amazon Lex
- システムが人間の言語、語調、文脈を理解できるように設計
- レコメンデーション(推奨)エンジン
- オンラインショッピングで購入したいアイテムに関連する、パーソナライズされたコンテンツを推奨
- ユーザー行動を追跡し、多数ユーザーの行動を総合的に比較することで、ユーザーが興味を持つ新しいアイテムを特定
- Amazonサービス: Apache MXNet
クラウドでの深層学習の利点
-
スピード
- 深層学習アルゴリズムは、短期間で学習できるように設計されている
- 複雑な行列演算にGPUやCPUのクラスタを使用し、深層学習モデルのトレーニング期間を短縮
- 構築したモデルを使用し大量データを処理可能で、精度の高い結果を出すことが可能
- 分散ネットワークを活用し、深層学習アプリケーションを短期間で設計、開発、トレーニングできる
-
スケーラビリティ
- ニューラルネットワークで、複数プロセッサをシームレスかつ効率的に活用し、ワークロードを分散
- 幅広いリソースをオンデマンドで利用でき、あらゆる規模の深層学習モデルに、リソースを無制限にデプロイ可能
- 大規模データセットの取り込み、管理が可能
-
柔軟性
- パッケージ化されたライブラリから、ウェブ/モバイル/接続デバイスなどユースケースに適した深層学習アルゴリズムを選択できる
- クラウドで実行できる深層学習フレームワーク
- Apache MXNet
- TensorFlow
- Microsoft Cognitive Toolkit
- Caffe
- Caffe2
- Theano
- Torch
- Keras
おわりに
機械学習手法である深層学習の基本を勉強しました。
次回はもう一つの学習手法強化学習です、お楽しみに。