『大予測 次に来るキーテクノロジー2018-2019』という本を読みました。野村総研のアナリストである城田真琴さんが、「次に来る」8つのテクノロジーの今とこれからについて、ふんだんな事例とともに解説したものです。
- 作者: 城田真琴
- 出版社/メーカー: 日本経済新聞出版社
- 発売日: 2018/01/26
- メディア: 単行本（ソフトカバー）
- この商品を含むブログ (1件) を見る
- 第1章 人工知能
- 第2章 自動運転
- 第3章 音声インタフェース
- 第4章 チャットボット
- 第5章 VR・AR・MR
- 第6章 バイオメトリクス認証
- 第7章 センシング、IoT
- 第8章 ブロックチェーン
多くの人にとってはほとんどが、聞いたことのあるテーマ・分野だと思います。タイトルに「2018-2019」と明示しているだけあって、「すぐに古くなることは承知で、今まさに旬な情報を詰め込んだ」という割り切り方で、先端企業の取り組みを幅広くカバーしています。たとえば音声インタフェースであれば、Amazon、Google、Appleといった巨大企業の覇権争いに、日本からはLINEが殴り込みにいき、音楽配信サービスとの連携でも火花を散らしていますね。
新しい技術がもたらす既存の社会システムとのズレについても、興味深いものがありました。ハイレベルな自動運転が実現され、運転の過失をユーザに問えなくなったとき、自動車保険はどのような形をとるべきか。音声認識端末がホテルの部屋に設置された場合、ユーザと、（録音のログを確認・管理できる）オーナーが一致しなくなるが、プライバシーはどう守るべきか。偏見なしで中立的な判断をしてくれるかのような人工知能に、人種差別的なバイアスが含まれるとしたら？などなど。
smartdrivemagazine.jp http://www.sekaiwoyakusu.com/entry/machineracismwww.sekaiwoyakusu.com
また、チャットボットは「次に来る」イメージがわたしにはなかったため、取り上げられていたこと自体が意外でした。「なんとなく不自然な受け答えをして、結局正解にたどり着けないナニカ」という思い込みしかなかったので・・・。
サービスを提供する企業にとってチャットボットは、スマホアプリやSNSの次の顧客チャネルという位置づけになっており、そこでのサービス展開が重要になってきているのだそうです。
チャットボットもそうですが、紹介されているテクノロジーの多くが、人工知能・ディープラーニングとともに語られているのも印象的でした。何らかの判定を行うための基幹技術としてディープラーニングが前提となっているのです。もはや、テクノロジーを成立させるための基盤技術なのですね。
そんなディープラーニングを学び始めるのに適した本はたくさんあると思うのですが（ここから本題）、その中で異彩の放ち方が異彩すぎるのがコレ、『Excelでわかるディープラーニング超入門』。
- 作者: 涌井良幸,涌井貞美
- 出版社/メーカー: 技術評論社
- 発売日: 2017/12/23
- メディア: 単行本（ソフトカバー）
- この商品を含むブログ (1件) を見る
いやいや・・・。・・・いやいやいや！ Excelでって！
ってなりませんか？
表紙でこんな風に煽ってきます。
難しい数学計算はExcelに任せて ディープラーニングのしくみを 動かしながら理解できる！
「難しい数学計算」といいますか、本書は偏微分どころか行列もΣも出てきませんからね。ほぼ、加減乗除のみです。
本書の目的は、数学やプログラミングの素養があまりない人が、「身近な」Excelを使ってディープラーニングを理解できるようになることです。なので、Excelの基本的な関数を丁寧に追っていけば、ディープラーニングが詰まるところ何をしているのか、がわかった気になります。重みづけとは、閾値は結局何なのか。どうやって文字を判定しているのか・・・。
そして途中でExcelの限界につきあたり、その限界を畳み込みニューラルネットワークで一度超えて、「それでもやっぱりこれ以上は無理だよね」というところまで導いてくれる。それが本書。
使う関数は、以下の通りです。特に難しいものはありません。
• SUM: 目的関数の計算
• SUMPRODUCT: 入力の線形和
• SUMXMY2: 平方誤差の検出
• EXP: シグモイド関数
• MAX: MAXプーリング、ReLU
• RAND: 初期値設定
• IF: 画像の判定
3×4のビットパターンに対し、「〇」か「×」かを判定するアプローチは、こう*1。
ビットパターンをExcelの3×4マスを使って表現している・・・*2。 この発想、面白過ぎると思うんですよね。言われてみたらできそうな気はするけど、本当にやる？っていう。
こちらが、入力層→隠れ層→出力層までを計算するExcelワークシート。
- 隠れ層には3つのニューロンがあり、ビットパターン4×3セルに対応する重みづけの初期値がRAND関数で選ばれる。 閾値も同様で、ニューロン3つに対応して3つ設定されている。
- 入力層のビットパターンと隠れ層の重みづけがSUMPRODUCTで掛け合わされたうえでシグモイド関数にかけられて、隠れ層の出力になる。
- 隠れ層での出力と、出力層の重みづけ・閾値も同様に計算され、出力層の出力になる。
- 誤差は、出力層の値と正解のゼロイチとの平方差分がとられる。
- 各「画像」に対する判定結果に対する差分の和が、QT。
最後に、上の絵でいう色塗りされたセル（最初にRAND関数でランダムに決めたもの）を変数とし、QTを最小化するようソルバーで計算させます*3。
これで確かに、「難しい数学計算はExcelに任せて」、最適なニューラルネットワークを求めることができました・・・・。
Excelのサンプルワークシートがあるし、説明も冗長なくらい丁寧なので、Excelに慣れている人ならこの理解ルートは意外にたやすいのでは！？と思ってしまいます。ディープラーニングの本の数式に慄いてしまった方は、この道も考えてみてください！
