「ディープラーニング」が囲碁のプロ棋士に勝った！
といったディープラーニング（深層学習）を活用した成果がよく報じられています。
ディープラーニングとはどんなところで活用されているのでしょうか？
また、どんな風に世界を変えるのでしょうか？
本記事の概要
ディープラーニングは、どう使われてるの？
Googleが開発している翻訳システム「Google翻訳」は、ディープラーニングを用いることで、最近大きな進歩を遂げました。
世界９０カ国の言語を翻訳することができ、全く理解できない言語も（若干の不自然さが残るものの）意味がとれるレベルで翻訳してくれます。
以前の機械翻訳では、結果を人間が読んでも意味がわからないことがあったのを考えると、格段の進歩だと言えます。
ディープラーニングは、「自動運転」にも活用されていて、アメリカや日本でもすでに公道での実験が行われる状況になっています。
ディープラーニングは人工知能の１技術ですが、ディープラーニングを含む人工知能という範囲で考えると、他にも「金融」や「教育」、「ヘルスケア」といった分野でのイノベーションが期待されています。
「金融」では、過去の大量のビッグデータを元にして人工知能を訓練し、投資や融資、保険加入の審査などの精度を高めていくことが考えられています。
「教育」では、成績が優秀な生徒の学習状況をモデル化して、汎用性の高い効果的な学習方法を他の学生に提供する、といったことが可能かもしれません。
「ヘルスケア」は、人工知能の応用がもっとも期待されている分野の１つです。
病院の診察記録や健康保険記録、服薬状況や生活習慣、スマホなどのアプリでの行動データなどを統合して分析することで、これまでにない健康指導や予防に役立ったり、重症化などを未然に検知したりできればと考えられています。
医療だけでなく、製薬、保険、食品、住宅業界など、さまざまな分野に影響の及ぶ非常に大きな変化になる可能性があります。
その他にも、「人事」といったように、優秀な社員のデータを解析して採用に活かすといった使い方も考えられています。
ディープラーニングの理解は、すべてのビジネスパーソンに必須となる！？
こういった流れの中で、人工知能やディープラーニングについて、知らないで済まされない状況になりつつあります。
でもディープラーニングって、一部の研究者や大企業の話でしょ？
と思われる方もおられるかもしれませんが、
そうではなくなっているんです！
人工知能分野の進化は早く、すでに「コモディティ化」してきています。技術の詳細は知らなくても、だれでも手軽に使えるようになってきています。そういった技術を使えることが、競争優位の源泉になる世の中になりつつあります。
とはいっても、いきなり使えるようになるのは難しいのが現状です。
- ディープラーニングってそんなにすごいの？
- そもそも人工知能ってなに？
- どんな活用事例があって、自社でも活かすにはどうしたらいいんだろう？
と思われる方も多いかと思います。
- ディープラーニングや人工知能を体系的にサクッと理解したい方
- ディープラーニングや機械学習、人工知能の仕組みをザックリ知りたい方
- 実際の活用事例を知りたい方
- 自社で使えそうかどうかを検討したい方
など、経営者の方や、人工知能に馴染みがない部署の方向けに、ザックリとサクッと全体を理解できたらうれしいですよね。
また、自社や担当業務のコスト削減やイノベーションの可能性などを、専門家に聞く前に検討してみたい方など、そのやり方の指南書があれば助かりますよね。
そういった方におすすめな本がこちらです↓
本書では、「日経ビッグデータ」によるグーグルのディープラーニングの全貌を、初学者には分かりやすく、実務者には実務に活かすポイントを指南してくれます。
グーグルの中の人による、数式を一切使わない「分かりやすいディープラーニングの解説」から、
人工知能のビジネス応用を得意としているブレインパットの中の人による「自社活用でのポイントとなる考え方」なども勉強になります。
まったく初学者が自社ビジネスへの応用について、専門家に相談できるようになるための基礎をサクッとつくってくれる１冊です。
本書の構成は以下の通りです
序章 ディープラーニングがすべてのビジネスを変える
ビッグデータでディープラーニングが実力発揮
トヨタは日米の全乗用車を通信対応に
人工知能でイノベーションを生む時代に
中小企業にも人工知能の恩恵
１章 超入門
人工知能と機械学習とディープラーニングはどう違う？
ディープラーニングは機械学習の一部
機械学習は人間がプログラムを作らない
コンピュータの発達がディープラーニングを可能に
「リサーチの洪水」のごとき人工知能の広がり
「モバイルファースト」から「AIファースト」へ
２章 入門
ディープラーニングの仕組み
機械学習「以外」の人工知能とは
機械学習の基本
機械学習といってもいろいろな手法がある
ニューラルネットワークは脳の神経構造
分類の仕方はコンピューターが自分で学んでいく
ネット上の「遊び場」でニューラルネットを理解
教師あり学習と強化学習
「アルファ碁」は強化学習をフル活用
３章 グーグル事例編
グーグルのディープラーニング活用事例
■未来へ向けて、広がるディープラーニングの活用
話しかけて使う家庭用のAIコンシェルジュ
人間相手のように話が通じる！？
■自動運転を支えるディープラーニング
ディープラーニングでデータセンターを劇的に省エネ化
■人間の目を超える、ものを見分ける画像認識
写真を自動で分類する「Googleフォト」
お絵描きを人工知能が評価する「Quick Draw!」
コンピュータも夢を見られるか？「ディープドリーム」の実験
優れたアートや音楽を生み出す「マジェンタ」
動画像の認識も！「読唇術で人間の専門家に勝つ」
４章 企業事例編
ディープラーニングで業務効率化、国内で続々始める
■安藤ハザマ、トンネル工事の岩盤の硬さを判定
掘削工事の自動的な最適化まで視野に
■クルマの写真から型式まで特定、オークネットIBS
年間約５００万台の中古車データを活用
クルマの向きが識別できず悩む
中古車取引の活性化に貢献
■エアロセンス、ドローン空撮データへ活用
少ない教師データで自動車の台数検出システムを構築
測量の効率を高めるマーカーを開発
■Peach、音声認識APIで運航案内を２４時間化
人と人工知能の役割分担
■三井住友FG、カード不正検知精度が劇的に向上
コールセンターへは全席に導入
データから答えは出てこない
５章 活用フレームワーク編
データ×目的で整理し、活用の展開図を描こう
■データ×目的による整理法
先行する画像データの活用
音声データはコールセンター中心
まずはコスト削減から入るのが現実的
■成功に必要な常識と人材の転換
活用の展開図を描けるか
必要な人材像は？
機械学習はコモディティ化、次の特別な存在は
６章 将来展望編
ディープラーニングが課題を解決する未来へ
グーグルクラウド・マシンラーニグ・グループ研究責任者のジア・リーさんに聞く
技術革新の牽引役はディープラーニング
人間は優秀、アルゴリズムの研究はまだまだ途上
ディープラーニングは「データハングリー」
現実世界の課題を解決することがAI研究の目標
おわりに
となっています。
人工知能、機械学習、ディープラーニングの関係を学び、ディープラーニングの仕組みを数式を使わずにイメージで理解できます。
次にグーグルや企業でのを通じて、人工知能と世の中との関わりがつかめます。
最後に自社で活用するためには、どのように考えていけばよいかという「活用フレームワーク」が示されています。
代表的な活用事例を通じて、すでに自社での応用をはじめている方も、自社システムへ応用できるアイデアを得ることができるのではないかと思います。
例えば、中古車などの事業者の取引支援のためのシステム開発では、車の写真を３０種類以上の部位別に自動分類するシステム「Konpeki（紺碧）」が開発されました。
ディープラーニングを使って自社の持つ画像を学習させ、実用的なレベルに達したものの、クルマの向きが識別できないという問題にもぶつかります。人がみれば簡単でもディープラーニングでは難しいことがあることの一例です。３ヶ月試行錯誤されたあとにある工夫（画像を９０度回転）をすることで識別可能になったということです。
他にもドローンが撮影する画像の分析をディープラーニングで行った例があります。この例で特質すべきことは、教師データが少ないことです。
グーグルが用意している一般的な画像認識モデルをベースに、独自の少ない教師データで改良を加えました。さらに他の機械学習サポートベクトルマシン（SVM）を使って結果を得ています。
このように、既存のものを使い異なる課題を学習させる「転移学習」の手法の例が示されています。
我が社ではデータが少ないから使えないなぁ〜
と思っておられた方にも参考になる情報ではないでしょうか。
活用してみた企業が、実際につまずいたところや、改善できた「工夫やコツ」なども学べます。データをどのくらい用意したのか、学習の際にどのような工夫を施したのかなど、実務で直面する悩みどころにヒントを与えてくれる内容となっています。
実際の現場で得られた実践的なヒントも学べ、アイデアを生み出すのにも役立つ内容となっています。
初学者の方も基礎から学べ、現在の人工知能ビジネスをサクッと俯瞰できるおすすめの１冊です
エンジニアの方など、「ディープラーニングの仕組み」について、数式やプログラミングを通じて学びたいあなたにはこちらもおすすめです。
詳しくはこちらの記事をどうぞ
『結局「ディープラーニング」って中でなにしてるの？「必要な知識」を初心者でも効率的に学べ、「フレームワークなしで実装」し理解を深めれる、効率的な１冊はこちらです』
ディープラーニングの「理論」を学んで、最新論文も理解できるようになりたいあなたはこちらもどうぞ
中身についてはこちらの記事をどうぞ↓
『「ディープラーニング」が実際に何をしているかを、基礎からCNN、RNNなど、簡潔に盛りだくさんで学べる、「深層学習」を俯瞰したい方、こちらはいかがでしょうか』
人工知能をシッカリ理解するには「線形代数」が必要です。
線形代数を学びたいあなたはこちらもございます↓
『「線形代数」を独学したい人はチェックしてほしい良書、１３冊はこちらです』
『「線形代数」と「プログラミング」を両方学びたいあなた、同時に学べる効率的なこちらはいかがでしょうか【行列プログラマー：Pythonプログラムで学ぶ線形代数】』
こちらもございます↓
『「ディープラーニング（深層学習）」の理論や応用を学び、「Python」フレームワークで実装したいあなた、こちらはいかがでしょうか【Pythonで体験する 深層学習】』
『「人工知能」の「プログラミング」の本質を、手を動かしながら学びたいあなたはこちらをどうぞ【関数型オブジェクト指向AI プログラミング：Scala による人工知能の実装】』
『「機械学習」と「深層学習」の理論と実装を、バランスよくサクッと学びたいあなたはこちらをどうぞ』
