ディープラーニング⾰命

自動運転, 自動翻訳, そして, 世界チャンピオンをも倒す囲碁マシンー。 今,「人工知能」が急速な発展を遂げています。この人工知能の飛躍的な進化をもたらしたのが, 人間の脳を模した「ディープラーニング」という技術です。私たちの生活に変革を起こしつつある, 人工知能やディープラーニングは, いかにして開発され, そして発展してきたのでしょうか。

本書は, ディープラーニング研究のパイオニア, テレンス・J・セイノフスキー教授が執筆した『The Deep Learning Revolution』の日本語翻訳版です。ディープラーニングの開発の歴史を追いながら, その仕組みや特徴をくわしく解説しています。人工知能の基本的な知識を身につけたいと考える方に最適な 1 冊です。

※本書は 2019 年発行『ディープラーニング革命』をニュートン新書として発行したものです。
前書き
監訳者前書き

第 1 部: 新たな着想による知能
第 1 章 機械学習の台頭
第 2 章 人工知能の復活
第 3 章 ニューラルネットワークの夜明け
第 4 章 脳型コンピューティング
第 5 章 視覚系からの知見

第 2 部: さまざまな学習方法
第 6 章 カクテルパーティー問題
第 7 章 ホップフィールド・ネットワークとボルツマンマシン
第 8 章 誤差逆伝播法
第 9 章 畳み込みネットワークの学習
第 10 章 報酬学習
第 11 章 神経情報処理システム (NIPS) カンファレンス

第 3 部: テクノロジーと科学の衝撃
第 12 章 機械学習の将来
第 13 章 アルゴリズムの時代
第 14 章 チップス先生こんにちは (Hello, Mr. Chips)
第 15 章 情報の中身
第 16 章 意 識
第 17 章 自然は私たちよりも賢い
第 18 章 ディープインテリジェンス

謝 辞
推薦図書
用語集
注 釈

ディープラーニングがどのような研究の積み重ねから生まれ、なぜ人工知能を大きく変えたのかを、開発の歴史に沿ってたどる翻訳書が『ディープラーニング革命』 (テレンス・J・セイノフスキー 著、銅谷 賢治 監訳、藤崎 百合 訳、ニュートンプレス) です。原書は『The Deep Learning Revolution』で、版元はセイノフスキー教授をディープラーニング研究のパイオニアと紹介しています。2019 年に発行された同名の本をニュートン新書として改めて出したもので、書店発売日は 2021 年 11 月です。副題は「人工知能はどのようにして劇的な進化を遂げたのか」です。版元の紹介文は、開発の歴史を追いながら仕組みや特徴をくわしく解説した本であり、人工知能の基本的な知識を身につけたい人に向くと案内しています。

全 3 部 18 章の構成、機械学習の台頭からディープインテリジェンスまで

本文は前書きと監訳者前書きに続く 3 部構成です。第 1 部「新たな着想による知能」は第 1 章「機械学習の台頭」から第 5 章「視覚系からの知見」までで、人工知能の復活、ニューラルネットワークの夜明け、脳型コンピューティングを章題に掲げます。第 2 部「さまざまな学習方法」は第 6 章「カクテルパーティー問題」から第 11 章「神経情報処理システム (NIPS) カンファレンス」までの 6 章で、ホップフィールド・ネットワークとボルツマンマシン、誤差逆伝播法、畳み込みネットワークの学習、報酬学習が並びます。第 3 部「テクノロジーと科学の衝撃」は第 12 章「機械学習の将来」から第 18 章「ディープインテリジェンス」までで、アルゴリズムの時代、情報の中身、意識、自然は私たちよりも賢いといった題が続きます。巻末には謝辞、推薦図書、用語集、注釈が付きます。

ボルツマンマシンや誤差逆伝播法を発想の側から読む

第 2 部の章題に並ぶ手法は、深層学習の教科書では完成した数式として先に示されることが多いものです。ホップフィールド・ネットワークは、記憶させたパターンを安定した状態として持ち、欠けた入力から元のパターンを思い出す連想記憶のモデルです。ボルツマンマシンはこれに確率的な振る舞いを加え、観測されない隠れた変数を含めてデータの分布を学ぼうとしました。誤差逆伝播法は、出力の誤差を層をさかのぼって配り、多層のネットワークの重みを一斉に調整する手順です。畳み込みネットワークは、画像の局所的な領域ごとに同じ重みを使い回すことで、少ない重みで位置に依存しない特徴を拾います。正解を直接教える代わりに、行動の結果として得られる見返りから学ぶ考え方は、強化学習 と呼ばれる分野の土台になっています。いずれの手法も、脳の神経回路に着想を得た ニューラルネットワーク をどう学習させるかという問いへの答えとして出てきたものです。第 1 部には、脳型コンピューティングと視覚系からの知見の章があります。

数式より来歴を知りたい人に向く新書版

本書は手法の実装やフレームワークの使い方を教える本ではありません。原理や実装の系統の本は ディープラーニング本の選び方 で扱っています。一方で、ニューラルネットワークの研究が人工知能の中でどのように扱われ、どのような着想を経て深層学習という形に至ったのかを、研究に携わってきた著者の書いた本でたどりたい人には、手法の名前の背後にある問いを知る手がかりになります。新書判で、第 3 部には機械学習の将来と意識をめぐる章があります。