新着Pick
288Picks
シェアする
pick
Pick に失敗しました

人気 Picker
ディープラーニングに対する疑問の声が高まっているというレポート。「ディープラーニングを信用しすぎるのは考えもの」という人もいる。

先端技術、AIということで、各社が競ってこの利用に熱を入れている。ブロックチェーンと同じ現象ですね。当たり前のことだけれど、ディープラーニングはツールなので、何でもかんでも使えるというものではない。そこを履き違えている。

ボクは昔(今から十数年前)、与信モデルにニューラルネットワークを使っていた。バックプロパゲーションという自己学習するものだった。個人信用情報センターからデータを取得し、それを分解して2秒以内にスコア化していた。精度は高かったと思う。

しかしある日、金融庁から指導があった。ブラックボックスではダメだと。なぜそのスコアになっているのか、リーズンを明確にしろと。結局、ルールベースの与信モデルに改修した、というホロ苦い経験があります。
モントリオールで開催されているAIの最高峰の学会NeurIPSに来ています。まだ今日はチュートリアルがあっただけですが、確かにディープラーニングは、発展が踊り場に来ている印象は受けます。
本質的には、データは過去にやったことのあることを記録しているものです。過去にやったことのないことには、何も出来ません。
それでも、過去の間違いを繰り返さないことや上手く行った事を皆で活用するのには、威力を発揮します。このような分野は沢山あるので、そこでどんどん活用すべきです。まだこれからです。
ただ、ビジネスでは、過去にやったことのないことを的確に判断することがよりインパクトのあります。これにも活用したいという期待は大きいです。しかし、これは、単にディープラーニングを適用するのでは上手くいきません。未来は、無尽蔵で、限りない可能性があるからです。
この未知の未来に本気で向き合うAIこそ、本当の本命のAIだと思います。色々なヒントや要素は既にあります。誰が突破口を開くか。
楽しみです。我々が道を切り開きたいと思います。
「ディープ」ラーニングは、従来のニューラルネットワークの限界の2,3階層を超えて「深い階層」にした技術ブレイクスルー。

そこから人間の「深淵な知性」を連想し、過剰な期待になることが社会課題。
ただ、そんな連想できる能力は、ヒトの知性獲得のカギでもあり、この過剰な期待はヒトの本質に起因する根深い課題。
(記事中のMRIを背景にしたマーカス教授の写真について、本筋から離れた"現金"な話で恐縮です。)

このMRIは、おそらく初期投資1〜2億円、年間の維持費 1000万円といったところだと思いますが、この脳科学の教授はそれらの費用+人件費を賄う研究費を引っ張ってくる力があるんだと感嘆しました。

日本では(医療施設でない)研究室で、このようなMRIを持っている所が5つあるかどうかかと。
直接記事とは関係ないですが、アレン人工知能研究所のプロジェクトで、高校数学を解答・採点するというプロジェクトの案内を今日たまたまみたところでした。これも記事にある機械にやってもらう一つの「常識」でしょうか。
興味深い。ディープラーニングの限界と次の芽。AIそのものの研究はこういう方向性なのでしょうか。

他方で、ディープラーニングが得意な領域での活用は、それはそれとして進めるべき話。松尾豊先生などが主張するように、機械が眼を持つことのインパクトは計り知れない。

研究としてはディープラーニングの次、工学や実装ではディープラーニングを組み込んだアプリケーションや機械の開発、といった方向になるのでしょうか。
そろそろなくなりますねぇ、低いところにぶら下がっている果実は
ディープラーニングは、データを有している大企業にはお金を払いやすいテーマ。故に、AI領域でマネタイズしやすいテーマ。

ディープラーニングへの注目が加速するのはそんな背景もあるのではと思います。
極大値が最大値ではない。
収束するのに、どの位の学習が必要か。