人工知能で明日のビジネスは変わるのか?

第2回 ディープラーニングの具体的な手法を知り,ビジネスの方向性を探る

この記事を読むのに必要な時間:およそ 3 分

さて,今回から具体的な手法について見ていきましょう。

この連載のテーマは「ビジネスは変わるのか」なので,あくまでビジネスに活用できる,という視点で見ていきます。

ディープラーニングとは何か?

まずは,やはり前回でも触れた,ブームの発端となったディープラーニングを取り上げないわけにはいかないでしょう。

現在でもブームの中核をなしている大きな要素の1つです。ところが困ったことに,現在のところビジネスを変えるという意味ではディープラーニングのインパクトというのはさして大きくありません。これはあくまで「現在のところ」であり,今後どうなるかは未知数ですが,とはいえまだその道筋もあまり見えていないというのが正直なところです。

ディープラーニングが騒がれる理由

ではなんでそんな騒がれるのかというと,いくつかの理由があります。

1つ目は,ディープラーニングそれそのものは,大きな進歩があったのは事実だからです。とくに画像認識においては,大きな成果がありました。ただ,現在のところそんなにビジネスでの活用できるポイントがないというだけです。

2つ目は,このブームを恣意的に盛り上げたい人たちがいるからです。その中には,よくわかっていて盛り上げたい人たちと,よくわかっていないけど盛り上げたい人たちの両方がいます。

よくわかっていて盛り上げたい人たちというのは,⁠そんなにビジネスに活用できないのはわかってるけど,ブームがしぼまないでほしいから活用できそうということにしておこう」というスタンスです。研究者や一部の経営者ですね。

よくわかっていないけど盛り上げたい人たちというのは,⁠なんかすごそうだ!」という感じです(笑)記者や一部の経営者です(爆)⁠

ちなみに,この分類だと記者は全員よくわかっていないほうに分類されているように見えますが,そんなことはありません。よくわかっている記者は,別に恣意的にブームを盛り上げようとはしないだけです。

まずは簡単にディープラーニングの基礎から

それはさておき,ディープラーニングの中身について見てみましょう。

といっても,以前とは違ってだいぶディープラーニングの解説記事も増えてきたので,さらっと流します。⁠ディープラーニングの定義」という意味では,多層ニューラルネットワークですが,ディープラーニング=多層ニューラルネットワークではありません。

では何かというと「多層ニューラルネットワークのうまくいく方法」というのが,正確なところです。

歴史的経緯についても流しますが,

  • ニューラルネットワークを多層にすれば良い→そう簡単ではない→うまくいく方法を見つけた=ディープラーニング

ということです。

ポール・グラハムによる,ベイズ分類器を使ったスパムフィルタのようなものと捉えるとわかりやすいでしょうか。ベイジアンスパムフィルタは確かにベイズ分類器を使っていますが,その重要な部分はベイズ分類器という中核を成す理論だけではなく,どうやって単語を抜き出すか,いくつ抜き出すか,判定閾値をいくつにするか,などの「スパムのフィルタリングに対してベイズ分類器をどう使うか」という職人技的な部分も,同じく重要です。

同様に,ディープラーニングも多層ニューラルネットワークを(特定のデータに対して)うまく使えるようにした,という部分が非常に重要なのです。特定のデータに対して,という部分もまた重要で,どんなデータも自在に処理できるような人工知能というものはありません。

画像に対して,音声に対して,自然言語に対して,それぞれその最適な仕組みは異なります。そしてその最適な仕組みを見つけるのは人間です。

機械学習の最適な仕組みを見つけるのは人間

ちなみに,この「最適な仕組みを見つけるのは人間」というのが,機械学習の本質の1つです。ディープラーニングからは話が少し逸れますが,重要な部分なので解説します。

第1段階

人間がデータを処理する。

第2段階

一定のルールを作成し,機械がデータを処理する。

  • 例)エクセルマクロなど
第3段階

一定の仕組みを作成し,機械がルールを作成できるようにして,機械がデータを処理する

  • 例)スパムフィルタ,画像認識など

この第3段階がいわゆる「機械学習」です。

第2段階では,機械がどう処理するかのルール自体を人間が作っています。たとえば「バイアグラ」とあったらスパムと判定する,などです。これは人間による指示であり,機械による学習という要素が入っていません。

第3段階では,どういう単語があるとスパムなのかを,機械自体が判断し,かつ学習していきます。ただ,第2段階と比べて,第3段階の仕組みを作るのは,難易度が非常に高いと言えます。現状は,その,難易度が高い部分を人間が負っています。画像ならCNN,自然言語ならRNN,関数は…,パラメータは…,閾値は…,などです。

別の言い方をすれば,第2段階では値も関数も人間が決めるのが,第3段階では値は機械が決めて関数は人間が決める,とも言えます。ただ,関数の振る舞いを決める値は人間が決めるので,正確ではない部分もあります。

この第3段階の先にあるのはなんでしょうか。

第4段階

機械が仕組みを作成し,機械がルールを作成し,機械がデータを処理する。

このようになるでしょう。ここまでくれば,これはもう「人工知能である」と言えますす。私は,個人的には,第3段階は人工知能というより機械学習というほうがしっくりきます。

ちなみに今,この第3段階と第4段階は,弱いAI,強いAIという呼ばれ方をするケースも増えてきましたが,⁠弱いAI,強いAI」ではなく,⁠機械学習」「人工知能」で良いのではないかと思います。

しかし,今,第3段階も人工知能と呼ぶ場合が見られます。これは,前述したように恣意的に盛り上げたい人たちがいるからではないでしょうか。そして,わかっていて騒ぐ人はともかく,わかってなくて騒ぐ人は,この表現の混乱?によって「人工知能は人間を支配する」というような幻想を抱きます。ちなみにそんな可能性は今のところまったくありません。

著者プロフィール

山崎徳之(やまざきのりゆき)

青山学院大学卒業後,アスキー,So-netなどでネットワーク,サーバエンジニアを経験。ライブドア(現LINE)のデータホテルを構築・運営の後,海外にてVoIPベンチャーを創業。2006年6月に株式会社ゼロスタートコミュニケーションズ(現 ZETA株式会社)を設立,代表取締役就任(現任)。ECソリューションの「ZERO-ZONE」シリーズとして検索エンジンやレコメンドエンジンを開発,販売している。

株式会社ゼロスタート:https://zero-start.jp/

コメント

コメントの記入