AI 技術の最前線 これからの AI を読み解く先端技術 73

世界の AI 技術の今を“手加減なし"で執筆!
ディープラーニングを中心とした AI 技術の真髄を説く本気の解説書

日本を代表する AI ベンチャーの共同創業者が 7 年間にわたり、第一線のエンジニア向けに手加減なしで書き続けた『日経 Robotics』誌の AI 解説人気連載が待望の書籍化。次々と常識が書き換わり続ける AI 技術が今後どうなっていくのか。その将来を占う最先端技術を、73 のテーマで解説します。
学習の仕組み、各種モデル・アーキテクチャ、そして各種アプリケーションまで網羅的に解説。この 1 冊を読めば、今、世界の AI 技術がどのようになっているのか、世界の先端企業や研究者が AI 技術の謎をどのように解明し活用しようとしているか、その現場が分かります。ディープラーニング技術の基礎を学んだ方が、最先端をキャッチアップするために最適な一冊です。
第 1 部 知能とは何か、ディープラーニングとは何か
第 1 章 原理解明に向けた動き
第 2 章 人の学習

第 2 部 学習手法
第 3 章 学習手法
第 4 章 強化学習
第 5 章 高速化・低電力化・インフラ

第 3 部 モデルとアーキテクチャ
第 6 章 生成モデル
第 7 章 記憶の仕組み

第 4 部 ドメイン応用
第 8 章 画像
第 9 章 音声
第 10 章 空間生成/認識
第 11 章 言語
第 12 章 制御
第 13 章 シミュレーション
第 14 章 ゲーム
第 15 章 バイオ・生命科学
第 16 章 ロボット

『AI 技術の最前線 これからの AI を読み解く先端技術 73』は、ディープラーニングを中心とした AI 技術の先端を、73 のテーマで解説する本です。著者は岡野原 大輔で、日経 BP から刊行されました (NDL の書誌は 2022 年 8 月刊、版元の発行日は 2022 年 8 月 8 日)。まえがきによると、『日経 Robotics』誌に 2015 年 7 月から毎月連載している「AI 最前線」を 1 冊にまとめたもので、版元は「ディープラーニング技術の基礎を学んだ方が、最先端をキャッチアップするために最適な一冊です」と案内しています。

4 部 16 章、原理の解明から学習手法、ドメイン応用まで

目次は 4 部 16 章です。第 1 部「知能とは何か、ディープラーニングとは何か」は第 1 章「原理解明に向けた動き」と第 2 章「人の学習」、第 2 部「学習手法」は第 3 章「学習手法」、第 4 章「強化学習」、第 5 章「高速化・低電力化・インフラ」で構成されます。第 3 部「モデルとアーキテクチャ」は第 6 章「生成モデル」と第 7 章「記憶の仕組み」の 2 章です。第 4 部「ドメイン応用」は最も章が多く、第 8 章「画像」、第 9 章「音声」、第 10 章「空間生成/認識」、第 11 章「言語」、第 12 章「制御」、第 13 章「シミュレーション」、第 14 章「ゲーム」、第 15 章「バイオ・生命科学」を経て、第 16 章「ロボット」で終わります。なぜうまく学習できるのかという原理の問いから始め、学習の方法、モデルの形、応用の分野へと視野を広げる並びと読めます。73 のテーマが各章にどう割り振られているかは、目次の章題だけでは分かりません。

連載の時点の表現を残した、研究の流れをたどる記事集

まえがきは、成果の多くをほぼ実時間で伝えた記事であると同時に、どの研究も萌芽的な取り組みから連続的に発展してきたと強調しています。例として挙がるのが、テキストから画像を生成する手法で使われる拡散確率モデルで、その源流を 2014 年の変分自己符号化器 (VAE)、2017 年の Variational Walkback、2018 年の Neural ODE、さらに 1995 年のヘルムホルツマシンへとたどっています。注目している技術としては、NeRF などによる新視点シーン生成や、強化学習 が抱える大量の試行錯誤という課題を、世界モデルやシミュレーションとの融合で乗り越える方向にも触れています。著者は AI の技術発展の特徴をスピード、ボーダーレス、創造性の 3 つにまとめ、機械翻訳で生まれた Transformer が画像認識など他の分野へ広がった例を挙げています。一つの分野で成功した手法が別の分野に移る様子は、第 4 部で応用分野ごとに章を立てた構成とも呼応すると読めます。また、まえがきには書いた当時の雰囲気を残すため連載時の表現をできるだけ残したとあり、各テーマはその記事を書いた時点の研究状況を伝えるものとして読むのが適切です。刊行は 2022 年 8 月なので、それ以降の動向は別の資料で補う必要があります。

ディープラーニングの基礎を学んだエンジニアに向く前提知識

版元は、この連載を「第一線のエンジニア向けに手加減なしで書き続けた」ものと紹介しています。前提は、版元の案内のとおり ディープラーニング の基礎を学んでいることです。機械学習をこれから始める段階なら、先に 機械学習とディープラーニングの入門書の選び方 を参考に基礎の 1 冊を終えてから手に取るほうが、各テーマの新しさを受け取りやすくなります。目次は技術の分野ごとの章立てで、特定のフレームワークの使い方を順に学ぶ構成ではないと読めます。

基礎は押さえたものの、論文を自分で追い続ける時間までは取れないエンジニアや研究開発の担当者にとって、生成モデルからロボットまでの研究の筋道を 1 冊でたどれる本書は、次にどの分野を深く学ぶかを決める材料になります。気になる章から読み、もとの論文へ進む手がかりとして使うのが効果的です。