15/05/23 07:50:33.15 3TigoFfu.net
つづき
URLﾘﾝｸ(business.nikkeibp.co.jp)
常識を覆すアプローチ法
精度の高さだけではなく、それを達成した方法も衝撃的だった。通常、機械学習で何らかの課題を解かせようとするとき、入力データにアルゴリズムを適用する前に「特徴抽出」と呼ばれる操作を施す。
特徴抽出とは動画像や文章などの膨大で非定型な入力データから予測に効くと思われる特徴を取り出す作業である。
精度を上げるには入力データの性質や課題の内容を反映した特徴抽出の方法が肝となる。
そのため、問題ごとに特徴抽出方法を人間が選択するのが常識であり、入力データや課題に応じた特徴抽出の手法やノウハウが開発されてきた。
ところが、ディープラーニングでは特徴抽出がアルゴリズムに組み込まれ、抽出すべき特徴の選択自体も機械に学習させる。
例えばヒントン教授らのSupervisionでは入力画像には最低限の前処理のみを行い、各ピクセルの画素値をそのままニューラルネットに与えていた。
実用化は既に始まっている
現在のところ、ディープラーニングの応用は特定の課題を精度よく解くことに向けられている。3つの方向性が顕著だ。
1つ目は自社が提供するサービスの精度を高めること。米アップルの音声認識システム「Siri」、グーグルやバイドゥの画像