人工知能(AI)の研究分野では、この10年間にディープラーニング(深層学習)が大きなインパクトを与えてきた。ニューラルネットワークは、汎用性の高い近似を行うモデルである。2000年代の後半に多層のニューラルネットワークを適切に学習する方法が発表され、表現能力の高いネットワークを学習できるようになった。

 人工知能の研究分野では、この10年間にディープラーニングが大きなインパクトを与えてきた。ニューラルネットワークは、汎用性の高い近似を行うモデルである。2000年代の後半に多層のニューラルネットワークを適切に学習する方法が発表され、表現能力の高いネットワークを学習できるようになった。文字認識、音声認識、画像認識(一般物体認識)など、さまざまな分野で実施された性能比較のコンテストにおいて高い識別精度が示されたことから、こうした技術は、ディープラーニングとして広く知られるようになった。これらの分野においては、既に実用レベルに達しており、実際に利用が始まっている。

 1つの例として、大規模な画像認識の性能比較コンテストにおける事例を紹介する。ある画像を見て、それが1000種類の物体のいずれに当てはまるかを識別するタスクである。犬や猫というだけでなく、ペルシャ猫、シャム猫のように細分化されたカテゴリーが対象である。学習データは「イメージネット」と呼ばれる大規模な画像データセットの一部で、1種類につきおよそ1000画像、すなわち1000種類で120万の画像とラベルが用いられた。このタスクにディープラーニングの技術を用いて大幅に識別誤りを減少させるものが、2012年に登場した(図4)。同図の横軸はコンテストが行われた年を、縦軸は5位までの候補の中に識別結果が入らなかった識別誤りの割合を示す。2015年には人間を上回る認識精度を実現し、大きな話題となった。

図4 2010年からの誤り率の推移
2012年以降、ディープラーニングの登場によって画像識別の誤り率が大幅に低下した。現在では人間の誤り率4〜5%を下回っている。
[画像のクリックで拡大表示]

この先は有料会員の登録が必要です。有料会員(月額プラン)は初月無料!

日経 xTECHには有料記事(有料会員向けまたは定期購読者向け)、無料記事(登録会員向け)、フリー記事(誰でも閲覧可能)があります。有料記事でも、登録会員向け配信期間は登録会員への登録が必要な場合があります。有料会員と登録会員に関するFAQはこちら