ディープラーニングとGrid

2017.03.04(土) 日常
このエントリーをはてなブックマークに追加

いったいいつぶりだろうか?でも、どうしても書いておきたいことがあったので久々にブログを更新します。


見渡せばディープラーニング



最近、ディープラーニングの記事ばかり見ています。やはり仕事柄はやりの技術は押さえておかなければという気持ちでしたが、ディープラーニングを知れば知るほどこれは今まで数多あった単なるはやりの技術ではなく、次世代のインフラ的なものになる可能性が秘めている、そう思うようになりました。


買い物をする、家事をする、車を運転する、スマフォで調べ物をする、仕事を効率化する、自分の行動のどこにだって入ってこようとし、それも今まで常識だったものをぶち壊しながらです。だから、すくなくともプログラミングだとかその辺で生きている人でディープラーニングをやろうとしない人はもう終わっているといっても過言ではないわけで、終わりたくないからやらざるを得ないという感じです。


ただ、幸いにしてディープラーニングへの参入障壁はすでに低くなっています。Chainer,TensorFlowをはじめとした誰もが使えるフレームワークが出そろい、サンプルも巷にはいっぱい落ちています。ちなみにボクははじめはサンプルを見ながらやってましたが、この本を読んでかなり理解を深めました。やはり、頭がいい人は説明がうまい。入力数値を2倍にして返すという超単純なモデルをディープラーニングにて作成することで飛躍的にわかりやすいものになるのだから。



ただ、それらを使ってサンプルをつくるだけでなにか勝負できるわけではありません。それをどのビジネスのどこで活用するのかというところが重要なのですが、それを考えられている人はまだそう多くはいません。そしてもう一つ大きな問題があります。

より多くの正解を知っているものがディープラーニングを制す



今までのプログラミングでは1000個の問題があれば、その中から人が論理的にパターンを絞ってその通りに処理していました。そのパターンの絞り方の数をいかに少なく効率的に正確に処理できるかが人に求められていました。ただ、問題としては新たなパターンに対応できないことです。なので新たなパターンが来たら新たなプログラムが必要になりましたが、今はないパターンも予想して組み込むことで対応してきました。よくわからないけど一応このパターンもあるかもしれないのでと、組み込んだものがたまたまあたるとあの人すげーってなるわけです。

ディープラーニングの場合は全く違います。ただ多くの問題、多くのパターンを知っていてかつ、それに対する正解を知っていればいいだけなんです。素人の予想はいりません、必要なのは正解です。ディープラーニングは人の脳を模倣することからはじまったものだそうで、より多くの経験をつむことでよい結果を得られる。コンピュータにおける経験とはデータのことです。多くの問題と正解データ(これを教師データと呼びます)を読み込むことで法則性を勝手に読み取って予測モデルをつくてくれるので、未知の問題も正答してくれるわけです。

これを人生に例えるならば、前者はある程度効率的に起用にものをこなす人、後者は泥臭いまでに地道に一つのことをやり続けた人みたいな感じではないでしょうか?そう思ったときに思い出したのが次の動画です。

成功のカギはやり抜く力




学校の教師だったアンジェラ・ダックワースはIQという指標に疑問を覚えていました。IQが低くても成果を出せる子はいるしその逆もしかりだったからです。そこで彼女は卒業生を追跡調査し、どういった生徒たちが成功しているのかを探り、そこでたどり着いた結論が「Grid」である。日本語では「やり抜く力」といわれているが、ある種ど根性とも言えるかもしれない。

ディープラーニングの成功のカギはいかに一つの物事に対する多くのパターンと正解を知っているかどうかであり、それは愚直なまでになにか一つのことをやり続けてきた人、「Grid」を持っていた人のみが持ちえるものだと思います。いままで効率よくある程度の正解を出せる人がもてはやされていましたが、これからは今までは日の目をみなかっただろう、そういった人たちの時代がくるように思いました。それは決してわるいことではない。だって、こつこつやるのにあまり才能は関係ないし、子供にも伝えやすい。それに成功したときにやっかみが少なそうな気がします(楽して儲けたと思われない)。

ただし、自分の経験をデータ化できなければディープラーニングできないので、これから何かを成し遂げようとする人はそれを画像なりテキストなりデータ化しておくことが重要です。

さて、自分がいままで辿ってきた人生で人に負けないほど深く掘り下げた知識や経験があるだろうか?それをデータ化してディープラーニングして予測モデルをつくったところで誰の役にたつのだろうか?そんなことをこれから考えていこうかと思います。それがなければ、、、これからでもやるしかないでしょうね。

コメントをどうぞ