深層学習ことはじめ その１

昨今の技術トレンドにおいて，深層学習はますます注目を集める存在になっています．2016年3月において、GoogleのAlghaGoプログラムは、中国のボードゲームGoのゲームで、9段のプロGoプレーヤーLee Sedolに勝ったばかりです。人工知能の分野の専門家は、私たちはトップのプロGoプレーヤーに対して10年もの間、勝利を達成することができなかったと考えました、しかし進歩は加速したようです！ディープラーニングは複雑な科目ですが、他のどの機械学習アルゴリズムよりも習得が難しくありません。この記事は、ニューラルネットワークの基本を紹介するために作成しました。学部レベルの数学とプログラミングのスキルを習得できます。数値計算ライブラリNumpyと共にPythonプログラミング言語を使用します。また、後の章で、TheanoとTensorFlowを使ってディープネットワークを構築する方法も示します。これらは、ディープラーニング専用に構築されたライブラリで、GPUを利用することで計算を高速化できます。他の機械学習アルゴリズムとは異なり、ディープラーニングは自動的に機能を学習するため、特に強力です。つまり、「カーネル」や「相互作用効果」を考え出してテストするために時間を費やす必要はありません。これらは統計学者だけがやりたいことです。代わりに、ニューラルネットワークにこれらのことを学習させます。ニューラルネットワークの各層は、前の層とは異なる抽象概念を学習します。例えば、画像分類では、最初の層は異なるストロークを学習し、次の層では形状を学習するためにストロークをまとめ、次の層では顔の特徴を形成するために形状をまとめます。

ディープラーニングが非常に人気を博しているので、あらゆる種類のバックグラウンドからの人々がそれについて学ぶようになったのを見ました。私が気づいたことの一つは、群衆が大きくなるにつれて、ディープラーニングに対して間違ったアプローチをとるだけでなく、一般的に学習に対して間違ったアプローチをとる人々の数もまた増えているということです。この章は、人々が罠にかけられるのを見たすべての落とし穴と、それらを避ける方法です。

ディープラーニングに関するすべてが太陽の下にあるわけではありません。人々は、彼らがこの記事の内容を拾い上げて、彼らの最初の試みでLSTMについて学ぶつもりであると思います。この記事では、自走車を動かすことができる、分散GPUベースの100層ニューラルネットワークの運用方法を紹介する予定です。 Amazonの製品の説明を読み、自分で考えたならば、この短い記事を読んで、「私は私自身のたたみ込みニューラルネットワークを書くことができる！」と思うかもしれませんが、それは絶対にありません。あなたがディープラーニングに慣れていなくて、すぐにLSTMや畳み込みニューラルネットワークについて学ぶことになると思うなら、あなたはとても間違っています。ディープラーニングについて学ぶには10倍してください。あなたはこの記事がディープラーニングについてではないと誤って考えています。なぜならそれは畳み込みニューラルネットワークやリカレントニューラルネットワークをカバーしていないからです。より高度なニューラルネットワークについて学ぶには、まず基本的なニューラルネットワークとそれに関連するアルゴリズムを理解する必要があります。それがこの記事で学ぶことです。ええ、それは多くの時間がかかるでしょう。これが簡単なプロセスであると仮定したならば、それは誰の間違いではなくあなたの間違いではありません。ステップ1を完了しないと、ステップ10に進むことができません。

人々は時々「なぜあなたは私たちにディープラーニングのためのAPIを与えられなかったのですか？」のようなことを言います。ディープラーニングの背後にある数学とアルゴリズムは、それを面白くて強力にするものです。 「数学なし」が目的のルートである場合は、おそらくランダムフォレストのような単純な機械学習アルゴリズムのほうが、パフォーマンスと精度が向上します。

用語を理解していることを確認してください。誤ってディープラーニング=コンネットとリカレントネット、そしてGoogleが何をしていると考えてはいけません。古典的なフィードフォワードニューラルネットワークのテクニックは「ディープラーニング」の傘下にあり、ニュースで読む今日の人気のあるディープラーニングのテクニックについて学びたいのであれば、それらは理解することが絶対に不可欠です。後で学ぶこと（オートエンコーダ、畳み込みネット、リカレントネットなど）のすべては、この記事の内容によって異なります。