深層学習の原理に迫る(シンソウガクシュウノゲンリニセマル)

第三次人工知能 (AI) ブームの中核的役割を果たす深層学習 (ディープ・ラーニング) は、その高い信頼性と汎用性ゆえに様々な領域に応用されていく一方で、「なぜうまくいくのか」すなわち「なぜ優れた性能を発揮するのか」ということは分かっていない。深層学習の原理を数学的に解明するという難題に、気鋭の研究者が挑む。
まえがき
第 1 章 深層学習の登場
第 2 章 深層学習とは何か
第 3 章 なぜ多層が必要なのか
第 4 章 膨大なパラメータ数の謎
第 5 章 なぜパラメータの学習ができる?
第 6 章 原理を知ることに価値はあるか
引用文献

深層学習はなぜうまくいくのか。パラメータ数が膨大なのに過学習しにくいのはなぜか。実務で成果が出ていても、この問いに厳密に答えられる人はごく少数です。本書は東京大学で統計的学習理論を専門とする著者が、深層学習の汎化・表現力・最適化にまつわる数学的な議論を、岩波書店の学術書として整理したものです。

読み進めるには、線形代数・確率論・測度論の基礎が必要になります。学部上級から大学院レベルの数学的素養が前提であり、コードを動かして学ぶタイプの本ではありません。その代わりに得られるのは、「ニューラルネットはどのような関数クラスを近似でき、どのような条件で学習が成功するのか」という原理的な見通しです。

深層学習を使いこなすだけでなく、その成功の背後にある理論的基盤を知りたい研究者・大学院生に向いています。実装寄りの書籍で手を動かした後、「なぜこれが動くのか」を定理と証明のレベルで追いたくなったときに手に取る一冊です。