Excel でわかるディープラーニング超入門【RNN・DQN 編】

進化発展するディープラーニング。その代表格が RNN (Recurrent Neural Network / 再帰型ニューラルネットワーク) と DQN (Deep Q-Network / 深層 Q ネットワーク) です。RNN は自然言語処理の分野で最も注目されるアルゴリズムです。また DQN は強化学習の手法で目覚ましい精度を挙げています。これらはいずれも AI 応用の入り口となります。本書は、これらを万人のツールである Excel を用いて、難しい数学やプログラミングの知識抜きに、動かしながら、目で見てしくみを理解できる画期的な入門書です。難解といわれる RNN と DQN の「最適化」などの難しい計算部分を Excel にまかせ、その動作原理をわかりやすく知ることができます。本書が AI 学習のハードルを一気に下げてくれます。
●1 章 RNN、DQN への準備

◆§1 はじめての RNN、DQN

◆§2 利用する Excel 関数は 10 個あまり

◆§3 最適化計算を不要にしてくれる Excel ソルバー

◆§4 データ解析には最適化が不可欠

●2 章 Excel でわかるニューラルネットワーク

◆§1 出発点となるニューロンモデル

◆§2 神経細胞をモデル化した人工ニューロン

◆§3 ニューラルネットワークの考え方

◆§4 ニューラルネットワークを式で表現

◆§5 Excel でわかるニューラルネットワーク

◆§6 普遍性定理

●3 章 Excel でわかる RNN

◆§1 リカレントニューラルネットワークの考え方

◆§2 リカレントニューラルネットワークを式で表現

◆§3 Excel でわかるリカレントニューラルネットワーク

●4 章 Excel でわかる Q 学習

◆§1 Q 学習の考え方

◆§2 Q 学習を式で表現

◆§3 Excel でわかる Q 学習

●5 章 Excel でわかる DQN

◆§1 DQN の考え方

◆§2 Excel でわかる DQN

●付録

◆§A 訓練データ

◆§B ソルバーのインストール法

◆§C リカレントニューラルネットワークを 5 文字言葉へ応用

『Excel でわかるディープラーニング超入門【RNN・DQN 編】』 (涌井良幸、涌井貞美 著、技術評論社、2019 年 5 月 10 日発売) は、再帰型ニューラルネットワーク (RNN) と深層 Q ネットワーク (DQN) の動作原理を、Excel のワークシートで計算を動かしながら理解するための入門書です。版元の紹介文は、難しい数学やプログラミングの知識を抜きにして、動かしながら目で見てしくみを理解できる本と説明し、最適化のような難しい計算部分は Excel にまかせる方針を示しています。版元が挙げる読者は、ディープラーニングに関心のある人と、数学は得意ではないが動作原理を知りたい人です。

全 5 章の構成、RNN と DQN への準備から DQN まで

目次は全 5 章と付録です。第 1 章「RNN、DQN への準備」は、利用する Excel 関数が 10 個あまりであることと、最適化計算を不要にしてくれる Excel ソルバーを紹介し、データ解析に最適化が欠かせない理由を整理します。第 2 章「Excel でわかるニューラルネットワーク」は、出発点となるニューロンモデルから神経細胞をモデル化した人工ニューロン、ネットワークの式による表現へと進み、最後の節で普遍性定理を取り上げます。第 3 章「Excel でわかる RNN」で再帰型ネットワークの考え方と式、Excel 上での動作を扱い、第 4 章「Excel でわかる Q 学習」と第 5 章「Excel でわかる DQN」で強化学習の側へ移ります。付録には訓練データ、ソルバーのインストール法と、「リカレントニューラルネットワークを 5 文字言葉へ応用」という節が置かれています。

再帰の構造と Q 値の更新を、セルの計算として追う

RNN は、文や時系列のように順番に意味があるデータを扱うために、ある時点の中間層の出力を次の時点の入力と一緒に受け取る構造を持ちます。同じ重みを時点ごとに使い回しながら情報を引き継ぐ点が通常の全結合ネットワークとの違いで、ライブラリを使うとこの引き継ぎは層を呼び出す 1 行の内側に隠れます。Q 学習は、状態と行動の組ごとに価値 (Q 値) を持ち、得られた報酬と次の状態で見込める最大の Q 値を使って少しずつ値を更新する 強化学習 の手法です。状態の数が多いと表で値を持ちきれないため、Q 値を ニューラルネットワーク による関数の近似に置き換えたものが DQN です。Excel のワークシートでは、前の時点の値を参照するセルの連鎖や、更新前と更新後の Q 値の並びがそのまま数字として見えるので、式の各項が何をしているのかを一つずつ確かめられます。

ソルバーに最適化を任せる設計と、目次に無い題材

本書の特徴は、重みを決める最適化の計算を Excel のソルバーに任せている点です。勾配を求める計算を自分で組み立てる工程に入らずに済むため、モデルの式と、誤差を小さくするという目的との関係に集中できます。その一方で、目次には Python や深層学習のフレームワーク、GPU を使った学習を扱う章はありません。実装系の本は ディープラーニング本の選び方 で扱っています。

ライブラリの使い方は覚えたものの、RNN や DQN の内部で何が計算されているのかを説明できずにいる人や、数式だけの説明では手応えがつかめない人に向けて、本書は、手元の Excel で値の動きを一つずつ追う入門書です。第 1 章によると、利用する Excel 関数は 10 個あまりです。