はじめての「SonyNNC」改訂版

「Neural Network Console」 (NNC) は、誰でも無料で利用できる AI ツール。2019 年に発売した、開発元の監修付きガイドブックを、現在のアップデートに合わせて改訂。
■「SonyNNC」を活用するための諸準備
・本書で想定する「人工知能」の学び方
・本書での「NN」の考え方と利用法
・「SonyNNC」の入手と導入

■「SonyNNC」の説明と、「画像データ」の分類判断
・「SonyNNC」を活用するために学ぶこと
・「例題画像データ」の「分類実行」での動作確認
・「SonyNNC」での「学習の調整」と「結果の確認」

■独自画像データの分類判断の実践
・「SonyNNC」より提供された例題画像の説明
・独自画像からのデータセットの作成手順
・2 種類画像の「各種 NN」による分類判断
・「3 種類以上の画像」の「NN」による判断
・データ数増加と構造自動探索の検証

■＜例題＞「数値データ」の「分類判断」の確認
・「SonyNNC」を有効活用するためのツールの準備
・「数値データ」の「分類判断」の実施と評価ーアヤメの花の種類
・「SonyNNC」の実行結果などのレポート機能
・「SonyNNC」の高度な活用に向けての情報 1

■「独自数値データ」の「分類判断」の実践
・「独自の数値形式」の「学習用データ」の作成
・「3 層 NN」による体格データの学習と評価
・「SonyNNC」の高度な活用に向けての情報 2

■「独自数値データ」の「異常検知」の実践
・「異常検知」で用いる「RNN」 (LSTM) の概要
・「異常気象」を検証するためのデータの準備
・「LSTM」を用いた「異常気象の分析」の実行と評価
・「SonyNNC」の高度な活用に向けての情報 3

■「独自画像データ」の「異常検知」の実践
・「ものづくり」での「異常検知」の状況設定
・「NN」で取り組む「画像の異常検知」
・実践的な「異常検知」の準備と検証
・「NN」での「精度比較」と「学習範囲外の異常検知」

プログラムを書かずに、画面上でニューラルネットワークを組み立てて学習させ、結果を確かめる。そのための道具である Neural Network Console (NNC) を使って、画像と数値のデータの分類から異常検知までを試していく入門書が『はじめての「SonyNNC」改訂版』です。著者は柴田 良一、監修はソニー株式会社とソニーネットワークコミュニケーションズ株式会社、版元は工学社 (I/OBOOKS) で、2021 年 2 月 22 日に発売されました。版元の紹介によれば、本書は 2019 年に発売した開発元の監修付きのガイドブックを、NNC のアップデートに合わせて改訂した版で、NNC の日本語バージョン Ver.2.0.0 に対応しています。

画像と数値の分類から異常検知へ進む 7 つの見出し

版元が主な内容として挙げる見出しは 7 つです。「「SonyNNC」を活用するための諸準備」で人工知能の学び方と NNC の入手と導入を押さえたあと、例題の画像データの分類で動作を確かめ、学習の調整と結果の確認へ進みます。続く「独自画像データの分類判断の実践」では、自分で用意した画像からデータセットを作り、2 種類の画像、3 種類以上の画像の判断、データ数の増加と構造自動探索の検証を扱います。後半は数値データに移り、アヤメの花の種類を題材にした例題、独自の体格データを 3 層のネットワークで学習させる実践を経て、RNN の一種である LSTM を使った異常気象の分析と、ものづくりを想定した画像の異常検知で締めくくる並びです。NNC の実行結果のレポート機能や高度な活用に向けた情報は、数値データと異常検知の見出しの中に置かれています。

コードを書かない学習環境で、何を理解できるか

ニューラルネットワーク を学ぶとき、最初の壁は理論よりも環境づくりとプログラミングにあることが少なくありません。Python とライブラリを揃え、データを読み込み、層を定義するコードを書き終えるまで、学習が何をしているのかを観察する段階にたどり着けないからです。NNC は層を画面上に並べてネットワークを組み立て、学習の経過と評価の結果をその場で確かめられる道具なので、データの準備、構造の設計、学習、評価という ディープラーニング の一連の流れを、コードの書き方と切り離して体験できます。同じデータで構造を変えたときに精度がどう動くかを比べる作業は、手で試すほど理解が深まる部分です。本書の主な内容には、画像と数値の両方で、自分で用意したデータを使う実践の見出しがあります。時系列の並びから普段と違う動きを見つける LSTM や、良品の画像だけで学習させて想定外の不良を見つける画像の異常検知は、製造や保守の現場で使い道を考えやすい題材です。

想定する読者と、2021 年 2 月時点の前提

NDL の書誌が副題とする「スクリプト、プログラム不要で「AI」を手軽に体験!」のとおり、本書はスクリプトやプログラムを書かずに NNC を操作する前提の本です。著者は刊行時点で岐阜工業高等専門学校の建築学科の教授で、構造解析や流体解析などの解析技術と人工知能の融合によるものづくりの研究開発に取り組んでいると版元のプロフィールにあり、ものづくりの異常検知を題材に置く本書の後半とも重なります。一方で、本書は Python などのコードでモデルを実装する方法を学ぶ本ではありません。コードで実装する段階へ進みたい場合は、ディープラーニング本の選び方 で整理した実装系の本と組み合わせると、次の一冊を選びやすくなります。本書は 2021 年 2 月時点の NNC の Ver.2.0.0 を前提にしているため、操作を始める前に開発元の公式サイトで提供状況と版を確かめてから読み進めてください。

ディープラーニングの仕組みを言葉では知っているものの、自分のデータで試したことはない人、とくに製造や設計の現場で画像や計測値の異常検知を検討している人にとって、プログラムを書かずに分類から異常検知までを一通り試せる本書は、社内で小さな検証を始めるための具体的な足がかりになります。まず例題の画像データで動作を確かめ、手元のデータへ置き換えるところから始めてください。