香月 リサ 先生
今日は深層学習 (ディープラーニング) の要点を振り返りましょう。
第3次AIブームの主役、そして現在の生成AIの根っこにある技術ね。
深見 つむぎ
つまり機械学習の中でも、多層化したニューラルネットワークを使う一分野…ですね。
「深層」の意味を押さえておきたいです。
雪村 ましろ
層が深くなると、どうなるの〜? 深いほど偉いのぉ?
戸倉 ジャスミン
深くなるほど頭よくなる感じ? あたしの頭、浅瀬だからダメじゃん!
香月 リサ 先生
ふふ、層が深くなると複雑なパターンを捉えられるようになるのよ。
ジャスミンちゃんの頭もちゃんと深いから大丈夫。
バドミントンの戦術を瞬時に読めるのは十分「深い」思考よ。
深見 つむぎ
層の深さと理解の深さ、似ているけど別物ね。
でもジャスミンちゃんの喩えは的を射ている部分もあるわ。
戸倉 ジャスミン
そういえばCNNとかRNNとか習ったよね。
何が違うんだっけ…もう忘れちゃった!
香月 リサ 先生
CNN (Convolutional Neural Network) は画像認識が得意な構造で、
RNN (Recurrent Neural Network) は時系列データやテキストのような順序があるデータが得意だったの。
ただし今はテキスト系はTransformerに主役を奪われているわ。
技術も世代交代するのね。
深見 つむぎ
Transformerの登場で、RNNは一気に影が薄くなった、と論文レビューでも指摘されていますね。
雪村 ましろ
RNNちゃん、少しかわいそう…でも技術の進歩だから仕方ないのかなぁ。
香月 リサ 先生
画像系ではCNNはまだ現役だから、完全に消えたわけではないのよ。
適材適所で使われ続けているわ。
戸倉 ジャスミン
バドミントンでも、古い戦術が新しい監督のもとで復活することあるじゃん。
技術にもそういう波があるんだ。
雪村 ましろ
GPUってゲームのグラフィック描くやつだよね? それがAIに使われるのぉ?
香月 リサ 先生
ましろちゃん、よく知ってるわね! 本来はゲームの3D描画用だけど、大量の計算を並行処理するその特性が、深層学習の行列計算にぴったりだったの。
ゲーマーのおかげでAIが進化した、と言っても大げさじゃないわ。
ちなみにNVIDIAというGPUメーカーが大きく成長したのも、このAIブームが後押ししているのよ。
戸倉 ジャスミン
先生、その顔…また「ゲーマーモード」発動してるじゃん?
(笑) 目がキラッキラだよ!
深見 つむぎ
ジャスミンちゃん、先生をいじらないの。
でも楽しそうな先生もすてきね。
香月 リサ 先生
ジャスミンちゃん、ゲーマーの顔してるってバレた?
(笑) わたしもNVIDIAのGPUでゲームしてるからね…。
雪村 ましろ
先生とゲーム、意外と相性ばっちりなのぉ〜!
確認クイズ
深層学習の発展を支えた要因の組合せとして最も適切なものはどれか?
- 少量データ・CPU中心・手動設計
- ビッグデータ・GPU・アルゴリズム改善
- 小規模モデル・ルールベース・専門家の知識
- 教師あり学習のみ・少層構造・低速処理
こたえを見る
正解: 2. ビッグデータ・GPU・アルゴリズム改善
深層学習は、ビッグデータ (大量の学習素材)、GPU (並列計算の高速化)、アルゴリズム改善 (ReLU・Dropoutなど) の3要素が揃ったことで2010年代に飛躍しました。この3本柱は試験でも定番の出題です。