IoTスペシャリストを目指そう（2）

第2問人工知能「ディープラーニング」について（3/3 ページ）

公開 2016年05月23日 09時00分

更新 2016年06月24日 10時58分

著者

IoT検定制度委員会

[TechFactory]

印刷する連載新着通知を受け取る

解答と解説

解答

　正解は、

2．ディープラーニングを用いた画像認識プログラムでは、猫の顔や人の顔に反応するニューロンを“教師なし学習”で作り出すことができた。

です。

解説

　この問題は、主にクラウド上で処理される人工知能の中で、ディープラーニングについて理解しているかどうかを確認しています。初めて知る内容かもしれませんが、IoTが新しいコンピュータの使い方を実現可能にしていることが理解できるでしょう。

　ディープラーニングのベースになったニューラルネットワークは、脳の神経細胞であるニューロンをコンピュータでシミュレーションしたもので、1950年代から研究されていました。当時の技術力では人の顔の分析などはできなかったのですが、分析技術の向上だけでなく、クラウドによる膨大なデータの蓄積と処理能力の向上により、猫の顔や人の顔を分析するニューロンが実現されました。ディープラーニングは囲碁プログラム、ブロック崩しのようなゲームだけでなく、自動運転に必要な画像認識にも応用されています。

　選択肢1．は、ディープラーニングを用いた囲碁プログラムの学習についての説明です。Googleの「AlphaGo」では、人間の棋士同士の対局譜面をニューラルネットワークに与えることで、囲碁のルールを学習させています。つまり、囲碁のルールと基本的な定石に関するデータを用いた学習ではありません。

　選択肢2．の説明は正しい内容です。Googleは9つの階層を持つニューラルネットワークに、約1000万枚の画像を用いてディープラーニングで「教師なし学習」をしたところ、人の顔に強く反応するニューロンや猫の顔に強く反応するニューロンが生まれました。教師なし学習とは、正解を提示することなしに行う学習です。「猫」ニューロンの場合は、猫の顔に強く反応するニューロンにあらかじめ「これは猫だ」と教えているわけではなく、偶然に猫に強く反応するニューロンが見つかっただけです。

　選択肢3．は誤りです。データと正解の組を用いた学習は「教師あり学習」と呼ばれます。「強化学習」では、そのときの状況に対する評価値を与えることで学習を行います。ブロック崩しではスコアのアップ／ダウンを評価値として強化学習をすることで、600回ほどのゲーム回数で上級者の腕前に達しています。

　選択肢4．の説明は間違いです。GoogleのAlphaGoでは人間の棋士同士の対局譜面をディープラーニングで強化学習した後で、AlphaGo同士を対戦させて対局譜面を学習させました。その結果、人間の棋士が指したことのないような手を指すようになりました。

　さて、今回の内容はいかがでしたでしょうか？また次回、IoT関連の知識・スキルアップに役立つ問題をお届けしたいと思います。お楽しみに！（次回に続く）

著者紹介：

末石吾朗（すえいしごろう）

東京電機大学講師、テクノウォーカー／
サートプロ IoT技術講師

1977年、埼玉大学理工学部電子工学科卒業。第一種情報処理技術者、オンライン種情報処理技術者、マイクロコンピュータ応用システム開発技術者（中級）、デジタル工事担任者他の各種情報処理試験に合格し、組み込み技術、プログラミング、情報処理のセミナー講師、執筆活動などを行う。情報活用能力認定試験（J検）作問委員歴任。

主な著書（共著）:「人工知能概論」（専門教育出版）、「C言語プログラミング」（一橋出版）、「ハイクラスC言語コンパイラ＆インタプリタ」（技術評論社）、「応用情報技術者試験午前精選予想問題集」（東京電機大学出版局）、「応用情報技術者試験午後解法の手引き」（東京電機大学出版局）がある。