[GR] AI（人工知能）ビジネスの可能性を考える～第1回 本とITを研究する会セミナー～

ディープラーニングの業界で今もっともホットな話題である Generative Adversarial Network は、一般に「GAN」と呼ばれており、省力化しながらより多くのことを学習できるシステムの開発につながる可能性があります。 2014 年に GAN を発案したイアン グッドフェロー (Ian Goodfellow) 氏のお話を聞いてみましょう。当時、彼はまだモントリオール大学で博士課程の学生でした。現在 Google の研究科学者を務める同氏は、先月開催された GPU テクノロジ カンファレンス (GTC) において熱心に聞き入る聴衆を前に、GAN のしくみと理由を解説しました。 GAN は、AI――特にディープラーニング――の進化にとってきわめて大きな障害となる「膨大な手作業の必要性」を解消するものです。 Generative Adversarial Network: 「この 10 年間でもっともおもしろいアイデア」 Facebook の AI 研究所所長である AI の先駆者、ヤン ルカン (Yann LeCun) 氏は、GAN を「機械学習において、この 10 年間でもっともおもしろいアイデア」と形容しました。 通常、ニューラル ネットワークは、たとえば猫の写真を認識するための学習を行う場合、何万枚もの猫の写真を分析することになります。しかし、それらの写真をネットワークのトレーニングに使うためには、各画像に写っているものに人が慎重にラベルを付けていく必要があり、時間とコストがかかってしまいます。 偽造者と警察: GAN がディープラーニングに必要なデータの量を大幅に削減 GAN は、ディープラーニング アルゴリズムのトレーニングを行うのに必要なデータの量を削減することで、この問題を回避します。そして、既存のデータからラベル付きのデータ (ほとんどの場合は画像) が作成されるように、ディープラーニング アルゴリズムに対する独自のトレーニング手段をもたらします。 研究者は、単一のニューラル ネットワークが写真を認識できるようにするためのトレーニングではなく、2