次世代のインターネット技術 - ディープラーニング

[[384617]]

過去 20 年間がインターネットの急速な発展の 20 年間であったとすれば、次の 20 年間は「ディープラーニング」の台頭の 20 年間となるでしょう。 ARK Investの分析によると、1997年から2020年までにインターネット企業の時価総額は0兆ドルから13兆ドルに成長し、今後15年から20年でディープラーニングによって生み出される企業の時価総額は30兆ドルに達し、それまでにインターネット企業の時価総額を上回ることになるという。

ディープラーニングとは何ですか?

ディープラーニングは、現代の最も重要なソフトウェア技術のブレークスルーかもしれません。

ではディープラーニングとは何でしょうか?

簡単に言えば、従来のソフトウェアは人間によって作成されますが、人工知能 (AI) の一種であるディープラーニングはデータを使用してソフトウェアを作成します。ソフトウェアの作成を「自動化」することで、ディープラーニングはあらゆる産業を進歩させることができます。

従来のソフトウェア作成の欠点は、コストがかかり、壊れやすく、保守が難しいことです。また、従来のソフトウェアでは、画像認識や音声認識などの認知タスクを実行することができません。

ビジネス ソフトウェアは、1970 年代に Microsoft、Oracle、SAP が誕生したことにより始まりました。 1980 年代には、オブジェクト指向プログラミングによってソフトウェアが再利用できるようになり、ソフトウェアの規模と機能が大幅に拡大しました。2000 年までに、インターネットによってソフトウェアが普及し、市場規模は数百万から数十億に拡大しました。

2012 年、ディープ ニューラル ネットワークが ImageNet チャレンジで優勝し、ディープラーニング、つまり「ソフトウェア 2.0」時代の幕開けとなりました。

[[384618]]

ディープラーニング ソフトウェアは人間が直接作成するのではなく、データを使用して「トレーニング」されます。まず人間が AI モデルを作成し、ラベル付けされたデータを収集します。次にソフトウェアはデータを通じて正しい動作を学習し、さらにデータが増えるにつれて改善していきます。これらのソフトウェアの認識能力は、人間のパフォーマンスを超えることがよくあります。現在、検索、ソーシャルメディア、動画推奨など、ほぼすべての大規模なインターネットサービスはディープラーニングを通じて提供されています。

人工知能や機械学習という言葉をよく耳にしますが、それらとディープラーニングの違いは何でしょうか?

まず、「ディープラーニング」は「機械学習」の一分野であり、「機械学習」は「人工知能」の一分野です。

人工知能は、学習、推論、問題解決など、人間の知能を機械が模倣できるようにする技術です。

機械学習は人工知能の一種であり、機械が何らかのアルゴリズムに基づいてデータを学習し、人工知能を実現する技術です。

ディープラーニングは機械学習の一種で、人間の脳のニューラルネットワークにヒントを得て、人工ニューラルネットワーク（ANN）をアーキテクチャとして利用してデータを学習します。現在最も主流の機械学習手法でもあります。

ディープラーニングと機械学習の違いは、機械学習では、まず人間が物体の特徴を抽出し、その後、機械に物体の識別を学習させる必要があるのに対し、「ディープラーニング」では、人間が物体の特徴を抽出する必要はなく、大量のデータから物体を自ら識別することを学習する点です。例えば、車を識別するソフトウェアを作成したい場合、機械学習を使用する場合は、サイズや形状などの車の特徴を手動で抽出する必要があります。ディープラーニングを使用する場合は、人工知能ニューラルネットワークがこれらの特徴を自動的に抽出しますが、学習するには車としてマークされた大量の写真が必要です。

前述のように、ディープラーニングと従来のソフトウェアの大きな違いは、画像と音声を認識できることです。そのため、ディープラーニングの重要な応用シナリオは、コンピュータービジョンと言語能力の 2 つです。

過去 2 年間で非常に人気が高まったスマート スピーカーは、言語理解におけるディープラーニングの重要な応用例です。

[[384620]]

スマートスピーカーに加えて、Googleは2020年に、ユーザーが電話でレストランを予約するのを支援するチャットボットであるGoogle Duplexをリリースしました。レストランのスタッフは、ロボットと話しているとき、電話の向こう側にいる予約の相手が単なるチャットボットであることにほとんど気づきません。

言語理解に加えて、コンピュータービジョンも、医療分野での磁気共鳴画像の分析に使用されるなど、ディープラーニングの重要な応用方向です。

自動運転車は、ディープラーニングの最も重要な応用分野の 1 つと考えられています。テスラの完全自動運転は今年、人間の運転レベルを超えると予想されている。

さらに、ディープラーニングは動画の推奨にも活用されています。TikTok はこの技術を利用して、1 日のアクティブ ユーザー数で Snap と Pinterest を合わせた数をあっという間に上回りました。

結論

ディープラーニングは、インターネット技術と同様に、これまで想像もできなかったような製品やサービスを提供し、私たちの生活様式を大きく変えると信じています。

将来この業界で働くかどうかに関わらず、私たちの将来の生活に大きな影響を与える技術に対する最善の戦略は、それを研究し、調査し、さらに学ぶことです。それは間違いなくあなたの知識を広げるのに役立ちます。

これは特に投資をする人にとって当てはまります。

このような他の記事を読みたい場合は、いいね、フォロー、転送をお願いします。ここでは、投資を通じて誰もが得られる経済的自由の機会をつかむ方法について説明します。