【前編からの流れ】

前編では池田部長のこれまでの経歴について聞いてきました。
２０年以上企業向けの基幹業務システムを開発していたこと、
アメリカで発表されたばかりの言語（Java）で日本初の業務システムを完成させたこと。
それ以降も、Ｗｅｂ（ＥＣ）での集客について課題を見出し、そこで「データマーケティング」に出会い、
「深層学習」へと最先端技術への挑戦は続いています。
次なる「深層学習」という高い壁を前にして、なぜだか楽しそうにも見える理由。
インタビューから垣間見えたのは、「相手を知ること」という一貫したポリシーでした。

そして今回「深層学習」って何？という疑問に図解で分かりやすく説明してもらいます。
最先端技術の難しい話かと思いきや、発想のスタートは私たちの「脳」だった！？ということで、
実に興味深いものでした。

「機械学習（ＭＬ）」と「深層学習（ＤＬ）」の違いって何？
たくさんの経験をさせて、育てる「深層学習」

荒川：	「ＡＩ」という言葉は、少し前から映画の題材として扱われてたり、最近では毎日のように 見聞きしますが、そんなに歴史があったとは。 池田さんのイラストによる解説、社内の会議でもたまに見る機会がありますが、 やっぱり分かりやすいですね。 じゃあ、また次の疑問が出てきますね。 「機械学習（ＭＬ）」と「深層学習（ＤＬ）」の違いについて、教えてください。
池田：	少し前に「グーグルのＡＩが動画を見てネコの概念を学習した」というニュースが話題になっていたから、 ネコを例にして説明すると、まず「機械学習（ＭＬ）」でネコだと理解させるために 何をやっているかというと「ネコの画像」と「ネコの特徴」を沢山集めて、 これが「ネコ」だという情報として、システムに教えてあげるということをする。 正しい情報を沢山与えて学習していって、人間が決めた特徴例だったり正しい情報をもとに、 統計学的な確率として、９５％の確率でこれは「ネコ」だという答えを出してくる。 要は正解を人が教えてあげているわけ。
荒川：	ここまでは理解できました。次は「深層学習（ＤＬ）」について教えてください。
池田：	「深層学習（ＤＬ）」の場合は、ネコの写真や、ほかの生き物なんかの写真を大量に見せて、 システム自身が自ら「ネコ」だと判断させるやり方だね。 ネコの特徴は何かを自分の力で考えさせることをする。 さっき説明した「機械学習（ＭＬ）」みたいに、正解というものは教えないの。
荒川：	え！？それでどうやって「ネコ」って判断するんですか？ 「ネコ」の答えに至るプログラムの処理はどうなってるんですか？ もう付いていけなくなってきたかな汗
池田：	じゃあ「機械学習」にもう一度戻って、「深層学習」と何が違うか比較してみようか。 「機械学習」の場合は１つだけ「学習プログラム」を用意して、正しい情報をもとに 統計学的なアプローチで正解に近いパーセンテージのものを「ネコ」と判断させる。 一方、「深層学習」の場合は２つのプログラムを用意する。「学習プログラム」と もう1つ別に「推測プログラム」を用意する。 この「推測プログラム」を使って、自分で特徴を見つけ出させるという違いがある。 まずは違いについては理解できたかな？
荒川：	はい、「深層学習」には「推測プログラム」という「機械学習」にはないプログラムが 別にあるという違いは分かりました。 では次に「推測プログラム」がいったいどうなって、 自分で「ネコ」の特徴を見つけ出すことができるのかを教えてください。
池田：	実はね、システムの中で何をやっているかはわからないんだよね。 結果としてこういうものが出ましたとしか言いようがなくて…。
荒川：	え！！何をやっているかわからないんですか！？ それじゃあ、間違った結果が出た場合、どうやって修正をかけていくのですか？
池田：	「深層学習」の場合はプログラムを修正することはせず、失敗した処理もそのまま残して、 与える情報を追加していく。 要は、経験をどんどん増やしていくんだね。 例えば、「ネコ」を「パンダ」だと判断してしまったら、 また別のデータや、違うタイプのデータを与えてみる。 何がダメだったんだろう、「ネコ」を判断させるために、他に何が必要なんだろうと考えながらね。
荒川：	通常、システム開発する場合、目指す結果があって、その結果を出すためのプログラムを書きますよね。 結果が違ってしまった場合、プログラムを修正して、OKがでるまで何度も修正していきますが、 「深層学習」の場合は間違ったりしたことも、経験値として活かされることもあるということですか。
池田：	そう、だから根気よく、何度も試行錯誤を繰り返していく作業が必要になる。 イメージとしては人間の赤ちゃんを育てるようにというか、脳にいろいろな経験をさせて、 ２、３歳くらいの子供の脳に育てるという感じだね。
荒川：	最先端の技術でも、実際はかなり地道な作業が必要になってくるのですね。 これで、大枠というか概念は理解できました。 でもやっぱり、まだまだ良くわかりません。やっと輪郭が見えてきたくらいです。 通常はプログラムによって全ての処理を指示しますから、 システムが自ら学習するということがイメージできないですね。
池田：	ふふふ笑、そうだね、これまでの概念で考えてしまうと理解ができないかも。 そもそも、ディープラーニングの技術って、人間の脳で行われる処理を模して 数式で表現したものなんだよね。
荒川：	おっ、なんだかAI（人口知能）っぽい話になってきましたね。
池田：	ちょっと楽しくなってきたでしょ。

「AI（人口知能）」の技術は、人間の脳がお手本だった！？

池田：	今日は小難しいことは置いておいて、まずは興味をもってもらえるといいかな。 ところで荒川くんは「ニューロン」って聞いたことあるかな？
荒川：	はい、生物の授業とかで聞いたことがありますね。脳の神経でしたっけ？
池田：	そう、人間の脳の神経細胞で「ニューロン」っていうのがあるんだけど、 その仕組みを真似て、手法として落とし込んだもので「パーセプトロン」というものがある。 どういう仕組みかというと、「ニューロン」は、音や光や色、感覚なんかの信号を受け取って、 内部で別の信号に変化さたり、伝達したりして、最後に認識したり知覚ということをするんだけど、 その仕組みを模した「パーセプトロン」は、 与えられたデータをまず入力して、それからなんらかの処理をして出力するというものになる。 構造としてはとてもシンプルなものだね。
池田：	そこからさらに進歩して、「ニューロン」と「ニューロン」が脳の中で神経どうしが繋がって、 相互作用するように、複数の「パーセプトロン」を接続し、 多層化したものが「ニューラルネットワーク」とよばれるもので、ＡＩ技術の基本となっている。 近年、コンピューターの処理能力が格段にあがったことで、ニューラルネットワークの層を大幅に増やすことができるようになって、 下火になっていたＡＩ技術が飛躍的に進んで、最近の流れになっているんだよね。
池田：	ではでは、この辺で最初の「ネコ」の話に戻して説明をすると、 大量の画像データの中から「ネコ」特徴を各層で自動的に見つけ出して、 そうでないものの「特徴」もつかんで、相互作用で自ら考え「ネコ」という概念を作り出し、 結果「ネコ」を識別することができたというわけ。
荒川：	う～ん、なるほど。やっと理解できました。 まだまだ専門的な深い話はあると思いますが、「深層学習」が何かということはわかったと思います。 今回の説明を聞いてみて驚いたことは、 自分がやってきたシステム開発にはない、まったく別の新しい概念だったということです。 求める結果は同じでもアプローチがぜんぜん違う。 失敗も経験になって、それによって結果が導きだされるなんて、まるで人生みたいな笑 それにしても、「深層学習」の技術の発端が本当に人間の脳をヒントにしているなんて、壮大ですね。
池田：	そうだね、当初はＳＦ的な発想だったかもね。 現在やっと、囲碁AIのAlphaGo（アルファ碁）や自動運転技術など 身近なところで実用化されるようになったけど。 この技術で不可能とされていたことが可能になることもあるし、 様々な課題を解決することもできるようになっていくと思うよ。