読み方のヒント
矢印ボタン(または ← → キー)でページを移動できます。
ニューラルネットワークの研究は1950年代からありました。それでも長いあいだ、ほかの方法より成果が出にくいとされていました。
流れが変わったのは2012年です。大量の写真に写った物の種類を当てる国際的な競技会で、深層学習を使ったチームが、それまでの方法より誤りを大きく減らして優勝しました。その後、画像の認識、音声の文字起こし、翻訳などで、深層学習が次々に使われるようになりました。
この時期に深層学習が成果を上げた理由は、主に3つあります。
| 理由 | 内容 |
|---|---|
| データ | インターネットに大量の写真や文章が集まり、正解を付けたデータも作られた |
| 計算の道具 | 画像を表示するための部品(GPU)を、学習の計算に使えるようになった |
| 学習の工夫 | 層を深くしても学習がうまく進むような、手法の改良が重なった |
深層学習には弱みもあります。
第1節のルールベースは理由を説明しやすく、深層学習は説明しにくい、という対比は覚えておくと役に立ちます。
深層学習は大量のデータと計算を必要とするため、正解付きの大量のデータや、GPUのような速い計算の道具がそろうまでは、十分に学習させられなかった。2010年ごろにそれらがそろい、学習の手法の改良も重なって、ほかの方法を上回る成果が出るようになった。
「データ」「計算の道具」「学習の工夫」のうち、2つ以上に触れていれば十分です。
13 / 24