基礎からのニューラルネット -人工知能の基盤技術ー(キソカラノニューラルネット　ジンコウチノウノキバンギジュツ)

近年の「人工知能」 (AI) の普及は目覚ましく、スマホや家電、自動車などの我々の生活に密着したさまざまなツールに利用されています。
音声認識や機械翻訳など、非常に便利な機能を実現してくれる人工知能ですが、その根底にあるのが「機械学習」と「ニューラルネット」の技術です。

本書は、人工知能を支える基礎技術である「ニューラルネット」について、その歴史や仕組みを詳細に解説。

通り一遍の概要を知るだけにとどまらず、「ニューラルネット」を理解する上で重要な非常に多くの概念について、それらが必要である理由を、高校程度の数学を用いながら説明します。

第 1 章では、人工知能研究の歴史を簡潔にまとめます。
第 2 章は、最も基本的な「階層型ニューラルネット」 (パーセプトロン) の仕組みを詳説。
第 3 章では、物理学と人工知能研究の接点について述べ、末尾となる第 4 章は、「深層学習」の発展の原動力となった「畳み込みネットワーク」「回帰ネットワーク」「長・短期記憶」「トランスフォーマ」の本質に焦点を絞った簡潔な説明を狙います。
■ニューラルネットの歴史ー「パーセプトロン」から「深層学習」までー
はじめに
パーセプトロン
「線形非分離問題」と「深層化」
「深層学習」の誕生から現在まで

■階層型ニューラルネットモデル
脳神経網と「人工ニューラルネット」
「単層パーセプトロン」と「誤り訂正学習」
「損失関数」による限界突破
勾配消失問題
入力が複数の場合
階層型ニューラルネットモデルの万能性
「深層化」と「バックプロパゲーション」

■非階層型ニューラルネットモデル
「深層学習」の基礎技術
「階層型」と「非階層型」
Hopfield モデル
ボルツマンマシン
「非階層ニューラルネット」の事例

■「深層学習」への誘ない
「深層学習」の幕開け
「深層学習」を支える技術
「深層学習」の応用

ニューラルネットワークの学習書は大きく「フレームワークの使い方を学ぶ本」と「数理的な原理を学ぶ本」に分かれますが、本書は後者に属します。パーセプトロンの構造からスタートし、活性化関数、勾配降下法、誤差逆伝播法といった基礎理論を数式とともに段階的に積み上げていく構成です。

工学社の I/O BOOKS シリーズの一冊として、紙面はコンパクトですが、線形代数や微分の基本的な操作を前提としたうえで、なぜ勾配が学習の方向を決めるのか、なぜ層を深くすると表現力が上がるのかを理論面から追えるように書かれています。派手なデモや最先端モデルの紹介はなく、基礎に集中した構成のため、深層学習ブームの表面だけを追って消化不良を起こした人が立ち戻るのに適しています。

ページ数が限られるぶん、畳み込み層や再帰構造の詳細には深く踏み込みません。あくまで「全結合ニューラルネットの動作原理を数式レベルで腑に落とす」ことに照準を合わせた本であり、ここで原理の土台を固めたあと、より専門的な深層学習の文献に進むという使い方が噛み合います。