  |
はてなキーワード: ディープラーニングとは
そう書くとまるで記事にないことを妄想して書いているようですが
そうではなく、こう記述していればディープラーニングによる物体認識を使ってるのがAIかじっている人にとっては普通だ、という事です。
記事書く方も、この技術の出始めの頃なら色々と説明したんだけども、
ワトソンは要するに自然言語処理とエキスパートシステムの組み合わせでクイズ王に勝った、という事で、
その応用例として医療の診断があった、という事ですね。
医学の論文は膨大な数が出ていて人が全てチェックするのは不可能なのですが、
コンピュータが該当する症例に一致する事例の論文を見つけてきて治療法が判明した、という話で、
それが可能となったのは、IBMが持っていた高い自然言語処理の技術があったという事と理解しています。
AIの定義となると難しいんだけども、普通は機械学習一般はAI扱いされているので、線形でもAIとなると思う。
今のAIブームの中心技術としてディープラーニングが登場して成果も上げているので、
それを外してAIという事はないだろう、という指摘です。
それが嘘じゃないんだよ。だからディープラーニングってこれだけ騒がれてる訳で。
https://logmi.jp/business/articles/155365
しかも超えたのがもう6年前で。
どこにも深層学習使ってるって書いてないけど
これは、ディープラーニングの物体認識の技術を応用しているんだけども、
https://b.hatena.ne.jp/entry/s/www.itmedia.co.jp/news/articles/2210/05/news181.html
「数年前なら同じシステムでもAIって言葉は使ってなかっただろ。」
とあるんだけども、槍玉に挙げて申し訳ないんだけども、これはAI技術そのものなんだよ。
というか、これをAIと言わなかったら何をAIというのか、というものなんだけども。
（強いAI弱いAIとかいうややこしい話があって、まだAIはないとかいう議論はあるけども、
とりあえず世の中のAIと言われるものの筆頭技術だよ、という意味で。）
これは、ディープラーニングの物体認識の技術を応用しているんだけども、
その精度がすごく上がって、今では人間が識別するより精度が高くなっている、というもので、
それを応用して、人間が残っていないかを識別できるようにした、という事なんだよね。
だから、バスワードだから、そうじゃないものにも勝手に当てはめてる例はあるだろうけども、
少なくともこれは、そうじゃないのね。って事で。
トップコメの人、消しちゃった。晒しちゃったからかな、ごめんねー。
でも他にも同じような事書いてる人は散見されるので。
それで、センサーとか動体検知のようなローテクでもできるんじゃねって意見はあるけども、
それより人の目でざっと見た方が正確って話もあるんだよね。それだけ視覚情報は情報量が多いんだけども。
それを人の目以上の精度で認識できるようになったから、これだけ持て囃されてるのね。
という意味です。
ブコメに返信
＞機械学習とアルゴリズムとディープラーニングとAIと人工知能の違いがわからない
AIと人工知能は一緒（Artificial Intelligenceの略がAI、日本語訳が人工知能）
機械学習は関数のパラメータフィッティングの方法の事、ディープラーニングはニューラルネットワークという関数での機械学習の事
（正確には多層のNNに対してだけど、どこから多層とするかは曖昧だし実質ニューラルで機械学習すればDLって事になってる）
アルゴリズムは問題を解く方法の事で、それをプログラム言語で書いてコンピュータで実行できるようにしたのがプログラム
そしてアルゴリズムやプログラムの中で機械学習やディープラーニングを使ったりする、という関係になるかな。
これで良い？
ごめん、ミスタイプです。出かけ前に慌てて書いたので（なので2重投稿してしまってる）。
申し訳ないけど、そんな余裕なかったです。単なるミスタイプです許して。
だからゴメンて。いっぱい指摘されてかかってるの気づいたよ。
あれ？ 第三世代じゃなかったっけ？
（推論と探索が第一、エキスパートシステムが第二で）
＞AIという言葉にいろんな色付けをして使いまくった結果、本来の使い方をするとツッコミが入るパターン、よくある。
それは確かにそうなんだけども、言葉流行っちゃうとしょうがない部分はあるのと、AI自体が定義が定まってない用語なんでね。
＞実際にAIが使われているか否かではなく、一昔前なら人体検知機能とか命名してAIを主題にもってこなかったよねってことを言いたいのでは?
それはそうかもしれない。でも「本来AIではないものにまでAIという用語が使われている」ってニュアンスはあったよ。
（今残ってるコメントにもそういうの散見するし。意味なく名前だけ使う、とか。）
それに対して、DLの物体認識は今のAIブームのど真ん中だよって指摘したかった訳です。
＞物体認識に深層学習を使ってるだけなんで「人工知能」でないことは明白なんだけど
今は深層学習（ディープラーニングの事ね）使えば人工知能って事に普通はなると思うんだけど、「明白」なんですか？
逆に何ならAIになるか、聞いてみたいです。
（強いAI以外はAIじゃない派なら、それはそれで一つの見識です。でも他の見識の人も認めてね。）
https://b.hatena.ne.jp/entry/s/www.itmedia.co.jp/news/articles/2210/05/news181.html
「数年前なら同じシステムでもAIって言葉は使ってなかっただろ。」
とあるんだけども、槍玉に挙げて申し訳ないんだけども、これはAI技術そのものなんだよ。
というか、これをAIと言わなかったら何をAIというのか、というものなんだけども。
（強いAI弱いAIとかいうややこしい話があって、まだAIはないとかいう議論はあるけども、
とりあえず世の中のAIと言われるものの筆頭技術だよ、という意味で。）
これは、ディープラーニングの物体認識の技術を応用しているんだけども、
その精度がすごく上がって、今では人間が識別するより精度が高くなっている、というもので、
それを応用して、人間が残っていないかを識別できるようにした、という事なんだよね。
だから、バスワードだから、そうじゃないものにも勝手に当てはめてる例はあるだろうけども、
少なくともこれは、そうじゃないのね。って事で。
現行のAIのほとんどは高々１つの事象にしかフォーカスしない。
というのも幾つもの事象を重ね合わせ人間のような総合的な思考を再現するとなると指数的にメモリや計算量が増えるからだ。
ディープラーニングが主流となった昨今。
深い階層でも誤差を算出できるようになり、より階層を増やして学習量も増やして、より精度の高いAIへと成長を続けてはいるものの、それだけのリソースを割けば１つの事象しか扱えないし、加えて高額な装置も必要となってくるので汎用化には向かない。
それでも一部の大規模なAIはネットを通して利用できるようになったのは喜ばしいことではある。
現行のAIがダメなのは、統計学から抜け出せないところにあるのではないか。
最終的にマシンパワーで大量のデータを統計的に処理すればそれなりの結果を返しますよということでしかない。
かといってそれより優れたAIを私が作れるわけではないのだが、AIが今のまま進化を続けても大規模化していくだけでシンギュラリティには程遠いと感じる。
今年2022年は、ディープラーニングが注目されるきっかけとなった画像認識コンテストから10周年になるのだそうだ。つい数年前、コロナ禍が始まる前までは、「ディープラーニングと人工知能が社会を変える」とさかんに喧伝されていたのを覚えている。
けれども、たった今、周囲を見てみると、我々の生活そのものは10年前とさほど変化していない。我々の所持品のほとんどは、多少のスペックの向上はあれども、10年前には既に存在していたものだ。もしも仮に、過去10年間昏睡状態だったとしても (コロナ関連のもろもろを除いて) テクノロジー的にはさほど困惑することなく新たな生活になじめるだろう。
もちろん、細かく見れば変わっている部分もある。将棋や囲碁のテレビ中継に常に形勢判定が表示されるようになったとか、顔認識による個人識別の精度が向上しすぎたためにプライバシー保護が大きな政治問題になっているとか、画像生成や文章生成の面白いデモが頻繁に注目されていたりもする。
それでも、我々の生活に関するテクノロジーそのものは、10年前からほとんど変化していない。そんなことを強く感じたのは、故障した掃除機を買い替えるため、久しぶりに都心の家電量販店に行ったときのことだ。あらゆる商品の形が10年前から変化がない。一般消費者向けのスマートウォッチもVRゴーグルも、今ほど広く利用されていなかったとはいえ、2000年代には既に登場していたし、ルンバのような掃除機ロボットも既に20年の歴史がある。
たかだか3,4年前まで、すぐにでも発売されるかのように報道されていた、自動運転車、調理ロボット、部屋のお片付けロボットや洗濯物をたたむロボットを私が購入できるのは、一体いつになるのだろう。
今年2022年は、ディープラーニングが注目されるきっかけとなった画像認識コンテストから10周年になるのだそうだ。つい数年前、コロナ禍が始まる前までは、「ディープラーニングと人工知能が社会を変える」とさかんに喧伝されていたのを覚えている。
けれども、たった今、周囲を見てみると、我々の生活そのものは10年前とさほど変化していない。我々の所持品のほとんどは、多少のスペックの向上はあれども、10年前には既に存在していたものだ。もしも仮に、過去10年間昏睡状態だったとしても (コロナ関連のもろもろを除いて) テクノロジー的にはさほど困惑することなく新たな生活になじめるだろう。
もちろん、細かく見れば変わっている部分もある。将棋や囲碁のテレビ中継に常に形勢判定が表示されるようになったとか、顔認識による個人識別の精度が向上しすぎたためにプライバシー保護が大きな政治問題になっているとか、画像生成や文章生成の面白いデモが頻繁に注目されていたりもする。
それでも、我々の生活に関するテクノロジーそのものは、10年前からほとんど変化していない。そんなことを強く感じたのは、故障した掃除機を買い替えるため、久しぶりに都心の家電量販店に行ったときのことだ。あらゆる商品の形が10年前から変化がない。一般消費者向けのスマートウォッチもVRゴーグルも、今ほど広く利用されていなかったとはいえ、2000年代には既に登場していたし、ルンバのような掃除機ロボットも既に20年の歴史がある。
たかだか3,4年前まで、すぐにでも発売されるかのように報道されていた、自動運転車、調理ロボット、部屋のお片付けロボットや洗濯物をたたむロボットを私が購入できるのは、一体いつになるのだろう。
今年2022年は、ディープラーニングが注目されるきっかけとなった画像認識コンテストから10周年になるのだそうだ。つい数年前、コロナ禍が始まる前までは、「ディープラーニングと人工知能が社会を変える」とさかんに喧伝されていたのを覚えている。
けれども、たった今、周囲を見てみると、我々の生活そのものは10年前とさほど変化していない。我々の所持品のほとんどは、多少のスペックの向上はあれども、10年前には既に存在していたものだ。もしも仮に、過去10年間昏睡状態だったとしても (コロナ関連のもろもろを除いて) テクノロジー的にはさほど困惑することなく新たな生活になじめるだろう。
もちろん、細かく見れば変わっている部分もある。将棋や囲碁のテレビ中継に常に形勢判定が表示されるようになったとか、顔認識による個人識別の精度が向上しすぎたためにプライバシー保護が大きな政治問題になっているとか、画像生成や文章生成の面白いデモが頻繁に注目されていたりもする。
それでも、我々の生活に関するテクノロジーそのものは、10年前からほとんど変化していない。そんなことを強く感じたのは、故障した掃除機を買い替えるため、久しぶりに都心の家電量販店に行ったときのことだ。あらゆる商品の形が10年前から変化がない。一般消費者向けのスマートウォッチもVRゴーグルも、今ほど広く利用されていなかったとはいえ、2000年代には既に登場していたし、ルンバのような掃除機ロボットも既に20年の歴史がある。
たかだか3,4年前まで、すぐにでも発売されるかのように報道されていた、自動運転車、調理ロボット、部屋のお片付けロボットや洗濯物をたたむロボットを私が購入できるのは、一体いつになるのだろう。
過去に、脳科学、神経科学の発見に対して、ノーベル医学生理学賞がそれなりに与えられているのに対し、もっとも基礎的かつ重要な発見と私には思われるヘッブ則を提唱したヘッブにノーベル賞が与えられていないことは意外に思う。恥を偲んで告白すると、私自身もつい先ほど、仕事の合間にネット検索で逃避していた際に知ったばかりで、このように増田に書いているのである。
例えば、ゴルジとカハール(1906)から始まり、「ニューロンから脳へ」の確か最初の章で紹介されてたイカの軸索の研究によるホジキンとハクスレー(1963)、分離脳のロジャー・スペリー(1981)、エリック・カンデル(2000)あたりが貰ってる。今調べながら知ったが、パブロフも貰ってるし、ヒューベルとウィーゼルも貰ってる。Wikipediaで見てると、神経科学系でほかに私の知らん人もそれなりに貰ってる。医学生理学賞ではないが確かヘルムホルツも貰ってる。だが、ヘッブは貰ってない。
ヘッブが受賞できなかった理由は素人の私には分からないのだが、近年のディープラーニングでのイントロダクションで「まくら」としてヘビアンラーニングが引用される割には、神経科学そのものの領域では評価が高くないのかもしれない。そんなことありえるのかな。
1904年生まれ1985年没のヘッブが、時代に対して「早すぎた」ということはあるのかもしれない。それにしても、晩年にはパーセプトロンとかニューラルネットワークとかそういうので、AIいけるやん！って当時の人々は盛り上がってた筈なので、やっぱりなんでだろうという気はする。
ニューラルネットワークが目的の関数を近似出来るようになるって事自体は数学で証明出来るからいい
でもなぜわざわざ中間層の多いディープラーニングを用いるかとなると理論的な根拠が薄くなる。
中間層が無いよりは一層ある方がいい、二層あると更にいいという所までは証明出来てるけど
それをもって中間層がなるべく多いほうがいいって結論まで持ってくのは厳しすぎる。
この調子でディープラーニングの構成や学習に用いる方法なども万事が薄い根拠と単なる経験とカンで選ばれたものばかり。
飛行機が初期は何故飛ぶかの理論的根拠が薄かったけど平気で飛んでたのと同じようなもんだと言ってる人もいたけど
はてブのホットエントリ(総合)で月内に数多く[あとで読む]タグを集めたエントリ
342あとで/2882users Amazonプライムビデオで観てほしいおすすめの人気映画42選 ～編集部厳選～ : 映画ニュース - 映画.com
256あとで/1375users 真面目なプログラマのためのディープラーニング入門 | 新山 祐介 | github
233あとで/1341users 実践 Docker - ソフトウェアエンジニアの「Docker よくわからない」を終わりにする本 | ほげさん | Zenn
185あとで/949users ソフトウェア開発の見積もり入門 | hakotensan | Zenn
183あとで/1374users ロシアのウクライナ侵攻の背景を読み解く | 東京大学 | 鶴見太郎
180あとで/968users Google が公開している、より良いデータ分析のためのガイドブック「Good Data Analysis」で、データ分析の要所が簡潔にまとめられていて感動した | hurutoriya
178あとで/1408users フォントが大好物な人に朗報🎉 MORISAWA BIZ UDゴシックとUD明朝がオープンソースになったぞ！！ | coliss
169あとで/887users 高木浩光さんに訊く、個人データ保護の真髄 ——いま解き明かされる半世紀の経緯と混乱 | 一般財団法人情報法制研究所出版部
168あとで/958users はじめに – アルゴリズムとデータ構造大全 | take44444 | github
166あとで/1232users ガラケーしか使えないデジタル音痴だった私が「GISでデータ分析」できるようになるまでの話｜NHK取材ノート｜note
156あとで/728users セキュリティエンジニアが本気でオススメする開発者向けコンテンツ 20選 - Flatt Security Blog
153あとで/1187users iPhone・Macの標準アプリ「メモ」のディープな使い方 | デジタルシニア
153あとで/987users なんとなくプレイしてもそこそこ囲碁のルールがわかるようになる「ぷよ碁」 | Gigazine
150あとで/926users 30代後半になって初めて発信活動を始めたら人生が変わった話 - Qiita
144あとで/1584users ロシアの攻勢と新世界の到来 (2022/02/26): 侵略成功時のロシアの予定稿 全訳 - 山形浩生の「経済のトリセツ」
143あとで/1309users 鶏むね肉を驚くほどしっとりさせた台湾料理「ジーローファン」の作り方【ネクスト魯肉飯】 - メシ通 | ホットペッパーグルメ
141あとで/786users RDBのデータモデリング・テーブル設計の際に参考にしている考え方と資料 | Rebi | Zenn
140あとで/1336users 「依頼された仕事をやらない人」は、なぜあれほど言われても、仕事をしないのか | 安達 裕哉 | Books＆Apps
139あとで/891users 「ウクライナ」(2) 小泉悠・東京大学先端科学技術研究センター専任講師 2022.3.9 | YouTube
139あとで/698users テーブル設計の考え方とやり方 [入門編] | 増田 亨 | SpeakerDeck
137あとで/733users オードリー・タン氏が日本人のために「デジタルとITはまったく別物」と語る理由 | ビジネス+IT
137あとで/765users AWS、オンラインロールプレイングゲームでAWSのソリューション構築を学べる「AWS Cloud Quest」公開。実際にプレイしてみた | Publickey
137あとで/909users 手軽に負荷テストができるツール「Taurus」がスゴい | tonchan1216 | Zenn
131あとで/1149users クレカを100万円使って解脱に至るための曼荼羅 - 本しゃぶり
123あとで/587users システム運用アンチパターン | O'Reilly Japan
121あとで/896users 【引越しやることリスト】事前に役立つ知識を50個まとめた | SPOT
119あとで/831users 背景合成アプリ「Shoost」レビュー 映画のワンシーンのような「いい感じ」の絵を手軽に作れる | PANORA
118あとで/724users 電子メール送信に関する技術 | Yuuki Takahashi | Zenn
116あとで/555users 1on1の「話したいことは特にないです」を解決する ~ 共感から始まる関係性改善のススメ ~ / How to solve rejection on 1on1 | 面川泰明 | SpeakerDeck
116あとで/1088users 「強いエンジニアは結局休日に勉強してるじゃん」って思うけど - spice picks
