機械学習と深層学習

『機械学習と深層学習 C 言語によるシミュレーション』の Python 版登場!!
本書は人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。具体的な処理手続きやプログラム例 (Python) を適宜示すことで、これらの技術がどのようなものなのかを理解できるように紹介していきます。
まえがき
第 1 章 機械学習とは
第 2 章 機械学習の基礎
第 3 章 群知能と進化的手法
第 4 章 ニューラルネット
第 5 章 深層学習

『機械学習と深層学習 Python によるシミュレーション』 (小高 知宏 著、オーム社、2018 年 5 月刊) は、人工知能研究における機械学習の諸分野を一つずつ解説し、その知識を前提に深層学習とは何かを示す書籍です。各手法の具体的な処理手続きと Python のプログラム例を示しながら進む構成で、版元の紹介では、『機械学習と深層学習 C 言語によるシミュレーション』の Python 版と位置づけられています。ニューラルネットだけでなく、強化学習や群知能、進化的手法まで含めた機械学習の広がりを、動くコードで確かめたい人に向いた一冊です。

帰納学習から畳み込みニューラルネットへ、全 5 章の構成

まえがきに続く全 5 章と付録からなります。第 1 章は機械学習とは何かを扱い、深層学習の成果や機械学習の分類、深層学習に至る歴史を概観したうえで、例題プログラムの実行環境を説明します。第 2 章は機械学習の基礎として、株価の予想を例題にした帰納学習と、迷路抜けの知識を Q 学習で獲得する強化学習を取り上げます。第 3 章は群知能と進化的手法で、粒子群最適化法、蟻コロニー最適化法、遺伝的アルゴリズムによる知識獲得を扱います。第 4 章はニューラルネットの基礎で、人工ニューロンのモデルからパーセプトロン、バックプロパゲーションによる学習へ進み、第 5 章で従来のニューラルネットの限界と深層学習のアイデアを示し、畳み込みニューラルネットと自己符号化器をプログラムとして実現します。付録にはナップサック問題のデータを生成するプログラムと全数探索で解くプログラムが収められ、本書のサンプルプログラムとデータファイルは版元のサイトからダウンロードできます。

手続きを自分で書くことで見える学習の仕組み

機械学習のライブラリを使えば、数行のコードでモデルを学習させることができます。ただ、その手軽さの裏で、重みがどう更新され、なぜ学習が進むのかが見えないまま使い続けることにもなりがちです。本書のように、Q 学習による強化学習 で行動の価値を少しずつ更新する様子や、バックプロパゲーションで誤差が出力側から入力側へ伝わっていく手順を、処理手続きのレベルで追うと、学習とは評価値を手がかりにパラメータを繰り返し調整することだという共通の骨格が見えてきます。群知能や遺伝的アルゴリズムのような進化的手法も、勾配を使わずに解の候補を改善していく別系統の探索として並べて学ぶことで、深層学習 が機械学習全体の中でどこに位置するのかを相対的に捉えられます。

Python の基礎と、2018 年刊の本として読む注意点

版元は、初級のプログラマやソフトウェアの初級開発者、経営システム工学科や情報工学科の学生、そして C 言語版の読者を対象に挙げています。Python の基本的な文法を読み書きできれば例題を追えますが、目次には機械学習フレームワークを扱う章が無いため、TensorFlow や PyTorch を使った開発の手順を学びたい人には目的が合いません。また 2018 年刊の本なので、Transformer 以降の言語モデルや画像生成といった話題は範囲外で、実行環境の説明も刊行時点の技術環境を前提に読む必要があります。フレームワークを使った実装や理論の体系書へ進む道筋は、ディープラーニング本の選び方 で系統別に確かめられます。

ライブラリの呼び出し方より先に、学習の手続きそのものを自分のコードで確かめたい学生や開発者にとって、本書は機械学習の主要な系統を一通り試しながら深層学習の位置づけまでたどれる一冊です。C 言語版で学んだ内容を Python で書き直して理解を確かめたい人にも、手を動かした分だけ仕組みの理解が積み上がる教材になります。