ディープラーニング
ディープラーニングとは
ディープラーニングは、人間の脳と同じように機能するように作られたアルゴリズムを使用する機械学習の一種です。
未来を推進するディープラーニング
AIにおける近年の多くの進歩は、ディープラーニングによって実現されました。ストリーミングサービスの推奨から音声アシスタントテクノロジー、自動運転に至るまで、人間の介入をほとんど、またはまったく必要とすることなく膨大なデータを処理するには、パターンを識別して多種多様な情報を分類できる機能が欠かせません。
ディープラーニングの仕組み
AIの当初の目的は、大まかに言うと人知が必要とされるようなことをマシンが行えるようにすることにありましたが、そのアイデアはその後の数十年で精緻化されてきました。これについて、Google社のAI研究者であり、機械学習ソフトウェアライブラリのKerasの作成者であるFrancois Chollet氏は、「知能はスキルそのものや人が行えることではなく、人がどれだけうまく効率的に新しいことを学べるのかということを指す」1と述べています。
ディープラーニングは、マシンに新しいことを学ばせるプロセスを改善することに重点を置いています。ルールベースのAIとMLでは、データサイエンティストがモデルに含めるルールとデータセット機能を決定し、それらのルールと機能によってモデルの動作が決められます。一方ディープラーニングでは、データサイエンティストがアルゴリズムにrawデータを入力すると、特定のルールや機能がプログラムされていなくても、システムがそのデータを分析します。そしてシステムが予測を行うと、個別のデータセットに照らしてその精度がチェックされます。その後こうした予測の精度 (または不足している情報) に基づいて、システムが次に行う予測のための情報が提供されます。
ディープラーニングの「ディープ」とは、ニューラルネットワークが時間をかけて積み重ねる多くのレイヤーを指し、ネットワークが深くなるほどパフォーマンスが向上します。ネットワークの各レベルでは特定の方法で入力データが処理され、次のレイヤーに情報が伝達されるため、1つのレイヤーからの出力は次のレイヤーの入力になります。
ディープラーニングネットワークのトレーニングには時間がかかるうえ、システムが少しずつモデルを精緻化する中で膨大なデータを取り込んでテストする必要があります。ニューラルネットワークは1950年代から存在しますが、ディープラーニングのアルゴリズムを使用して新しい画期的なテクノロジーを生み出せるレベルにまでコンピューティング性能とデータストレージ機能の両方が進歩したのはつい最近であり、その例としては、コンピューターによる音声認識、コンピュータービジョン、バイオインフォマティクス、医用画像分析などのタスクの実行を可能にしたディープラーニングニューラルネットワークが挙げられます。
1. Lex Fridman氏のポッドキャストNo.120、「François Chollet: 知能の測定」、2020年8月。
ディープラーニングと機械学習の違い
ディープラーニングはすべて機械学習ですが、機械学習はすべてがディープラーニングというわけではありません。どちらのテクノロジーもテストデータに基づくトレーニングによってデータに最適なモデルを決定しますが、従来の機械学習の手法では、アルゴリズムを適用する前にデータを処理するために一定レベルの人間の関与が必要です。
機械学習は人工知能の一部であり、その目的は、提供する出力について特別にプログラムを行わなくてもコンピューターが学習できるようにすることにあります。機械学習で使用されるアルゴリズムは、コンピューターが物事を認識する方法を学習するのをサポートしますが、こうしたトレーニングは面倒で多大な労力が必要になることがあります。
ディープラーニングアルゴリズムは、さまざまなプロセスを通じて人間の脳を真似ることを目的とする階層モデルを作成することで一歩先を行っており、結果を出すために入力データを事前に処理する必要のない、複数階層のニューラルネットワークを使用します。データサイエンティストがこのアルゴリズムにrawデータを入力すると、システムが既知の情報と新しいデータから推論できることに基づいてデータを分析したうえで予測を行います。
ディープラーニングのメリットは、シンプルなルールベースのAIでは不可能な方法でデータを処理できる点にあります。このテクノロジーを活用すれば、不正検出を強化したり、農作物の生産量を増やしたり、倉庫在庫管理システムの精度を向上させたりなど、ありとあらゆる明白なビジネス成果を得ることが可能です。
今日のディープラーニングの用途
現在では、多くの分野の企業がディープラーニングモデルを応用してさまざまなユースケースに対応していますが、ここでは数多くある実際のディープラーニングの用途のほんの一例を紹介します。
医療: 今日の医療業界では膨大なデータが生成されていますが、こうしたデータを迅速かつ正確に分析できれば、多くの点で患者の成果を向上させることが可能になります。ディープラーニングアルゴリズムは、医学研究、画像分析、疾病予防、創薬支援、自然言語処理などの領域で応用されており、特に電子医療記録 (EHR) におけるフリーテキストの臨床記録の入力で役に立っています。
製造: 製造業者はより迅速に低コストで質の高い製品やサービスを提供する必要に迫られており、多くの企業が、物理プロトタイプを開発して新しい製品を開発するのに必要な時間、費用、資材を減らすためにコンピューター支援エンジニアリング (CAD) を導入しています。ディープラーニングを使用すれば、多次元データの非常に複雑なパターンをモデル化し、テストデータの分析の精度を向上させることができます。
金融サービス: 詐欺は多く業界で大きな問題となっており、特に金融サービスプロバイダーではその傾向が顕著に見られますが、ディープラーニングを使用すれば、迅速かつコスト効率の高い方法でパターンを逸脱した動作を特定できます。またディープラーニングモデルから得た有益な情報を活用すれば、より正確に貸出申込者の信用リスクを評価したり、株価を予測したり、バックオフィス業務を自動化したり、金融製品について顧客にアドバイスしたりすることが可能になります。
公共部門: 部署、システム、およびプロセスのデジタル化が進む中、政府機関はディープラーニングを使用して自動化を推進し、公務員の効率化を図ることができます。警察では、画像の検出と分類によって公共の場所で目的の人物を見つけやすくなり、ビザや移民の申請は、処理の特定の部分を自動化するアルゴリズムで合理化できます。また空港では、セキュリティや運用を強化したり、待ち行列の管理を自動化したりするためにディープラーニングが使用されています。さらにディープラーニングモデルを活用すれば、交通状況を予測し、地元当局が道路の混雑を緩和するための事前措置を講じられるようサポートすることも可能になります。
HPEのソリューションでディープラーニングの導入を加速
ディープラーニングは現在、あらゆる規模の組織が今までになく利用しやすいものとなっていますが、最適化の開始から拡張まで、HPEは画期的なイノベーションへとつながるデータインサイトを高速化する過程でお客様をサポートできます。 そしてHPEなら、お客様がビジネス目標を達成するためのインフラストラクチャのビルディングブロックと専門知識、および認証を受けたパートナーへのアクセスを提供することが可能です。
お客様は、ディープラーニングの複雑性を解消して最適なソリューションを構築するとともに、HPEの業界をリードするハイパフォーマンスコンピューティング、インテリジェントなデータプラットフォーム、および高速のネットワークファブリックにより、あらゆる規模でディープラーニングを展開できます。また、AIプロジェクトの展開に必要な期間を数年から数か月、さらには数週間にまで短縮する専門知識とサービスを提供する HPE Pointnext Advisory and Professional Servicesによって短期間で概念実証の先へと進み、機械学習のライフサイクルのあらゆる段階をサポートするコンテナベースのソリューションである HPE Ezmeral ML Opsを使用して、必要なAIツールやデータに瞬時にアクセスすることが可能です。
HPEディープラーニングクックブック は、ディープラーニングのワークロードを明らかにしてすべてのワークロードに最適なハードウェア/ソフトウェアスタックを推奨する、一連のツールを提供します。このディープラーニングクックブックで示される推奨事項は、さまざまなテクノロジースタックや分析パフォーマンスモデルで得た、各種のディープラーニングワークロードに関する膨大なパフォーマンスの結果に基づいています。実際の測定尺度と分析パフォーマンスモデルを組み合わせることにより、HPEはあらゆるワークロードのパフォーマンスを予測し、そのワークロードに最適なスタックを推奨することができます。
またHPEは、NVIDIA社と連携して 業界をリードする最適化されたAIソリューションとディープラーニングソリューションのポートフォリオを提供しており、オンラインワークショップとインストラクター主導のワークショップ、リファレンスアーキテクチャー、およびNVIDIA GPUで高速化されたアプリケーションのベンチマークでディープラーニングの可能性を広げています。HPEのソリューションは、実績ある専門知識、最大規模のディープラーニングエコシステム、およびAIソフトウェアフレームワークで他のソリューションとは一線を画しています。