ディープラーニングが世界に浸透し、世界を変えるほど強力なのはなぜでしょうか?

[[190140]]

子供の頃、果物、動物、車、その他のものを認識することを学び始めたときのことを覚えていますか?

長年にわたり、私たちの脳はこれらの画像を認識し、さらにリンゴ、オレンジ、バナナ、猫、犬、馬に分類するように訓練されてきました。食べ物や動物の識別を学ぶことに加えて、トヨタ、ホンダ、BMWなどのブランドとその違いについても学びました。

科学者たちは、人間の脳の生物​​学的学習プロセスにヒントを得て、人工ニューラル ネットワーク (ANN) を開発しました。 「ディープラーニング」とは、多くの層で構成された人工ニューラルネットワークを指します。これは機械学習の中で最も急速に成長している分野です。複数のレイヤーで構成されるディープニューラルネットワーク (DNN) を使用して、画像、音声、テキストなどのデータを理解するための表現と抽象化を学習します。

では、ディープニューラルネットワークはどれくらい深いのでしょうか?

ディープラーニングはなぜ「ディープ」ラーニングと呼ばれるのでしょうか? それは、これらの ANN ネットワークの構造によるものです。数十年前、ニューラル ネットワークは、より大規模なネットワークを構築するための計算能力が不十分であったため、2 層の深さしかありませんでした。現在では、10 層以上、あるいは 100 層以上のニューラル ネットワークが存在します。

ディープラーニングで複数のネットワーク層を使用することで、機械は複雑な状況を認識し、学習し、対応する能力を備え、場合によっては人間よりも優れた能力を発揮します。

通常、データ サイエンティストは、データ準備プロセス、特徴抽出、変数選択 (予測分析に役立つ変数の選択) に多くの時間を費やします。ディープラーニングはこのタスクを自動化し、生活を楽にすることができます。

ディープラーニングの発展を促進するために、Google の Tensorflow や Facebook のオープンソース モジュール Torch など、多くのテクノロジー企業がディープラーニングの研究リソースを公開しています。 Amazon は DSSTNE を GitHub でリリースし、Microsoft もオープンソースのディープラーニング ツールキット CNTK を GitHub でリリースしました。

その結果、今日では、次のようなディープラーニングの例が数多く見られるようになりました。

Google翻訳はディープラーニングと画像認識を利用して話し言葉と書き言葉を翻訳します

CamFind は、モバイル ビジュアル検索テクノロジーを使用して、写真に写っているものを表示します。入力の必要はなく、被写体の写真を撮るだけで、CamFind が迅速かつ正確な結果を提供します。

現在、Siri、Cortana、Alexa、Google などのすべてのスマート音声アシスタントは、自然言語処理と音声認識にディープラーニングを使用しています。

Amazon、Netflix、Spotify も推奨エンジンにディープラーニングを使用しており、機械が次に最適なビデオ、映画、または音楽を推奨します。

Google の PlaNet は写真を見て、どこで撮影されたかを教えてくれます。

DCGAN は顔画像の強化と補足に使用されます。

DeepStereo: 街頭の風景から撮影した静止画像を 3D 空間に変換し、各ピクセルの深度と色を計算して、さまざまな角度からのさまざまな視点を表示します。

DeepMind の WaveNet は人間の声を模倣して音声を生成することができ、生成された音声は既存のテキスト音声変換システムよりも自然です。

Paypal は支払い詐欺を防ぐためにディープラーニングを使用しています。

これまで、ディープラーニングは画像分類、言語翻訳、音声認識に役立っており、パターン認識問題の解決にも使用できます。これは、ますます多くの企業が新しいビジネス モデルを作成するために使用している破壊的なデジタル テクノロジーであることは間違いありません。