ディープラーニングを支える技術

https://gyazo.com/c9ce736417f03c3dbe2e27da9fe76028

2021/12

目次

第1章 ディープラーニングと人工知能 ——なぜディープラーニングが成功しているのか

1.1 ディープラーニング，知能，人工知能とは何か

多様な問題を一つのアプローチで解ける「ディープラーニング」

ディープラーニングは「データ」から解法を学習する

知能とは何か。人工知能とは何か。

人は無意識下で膨大かつ複雑な処理をしている

コンピュータ上で実現可能な知能を求める

人にとっての難しさと人工知能にとっての難しさは違う

なぜ人工知能の実現が難しいか

人は言語をどのように獲得しているか

人は画像をどのように認識しているか

人は画像を分解し，そこから3次元情報を復元する

人は経験を積むことで多くの機能を獲得できる

意識下と無意識下の処理の融合

1.2 人工知能の歴史

シンボリック，ノンシンボリック

シンボリック派：記号処理によって問題解決を図る

ノンシンボリック派：パターン処理によって問題解決を図る

将来は，シンボリック派とノンシンボリック派の融合が必要となる

AI楽観主義と現実との戦い

第五世代コンピュータ：そして，AI冬の時代

機械学習はデータからルールや知識を獲得する

機械学習はエキスパートを必要とせず，さまざまな問題にも適用できる

1990年代に多くの機械学習手法が登場する

機械学習の応用がビジネスにも大きなインパクトを与える

ディープラーニングの時代

［基礎］ニューラルネットワーク：基本構造，勾配降下法，アーキテクチャ設計

ニューラルネットワークは従来，注目を受けていなかった

ディープラーニングは，インターンをきっかけに広がった

ディープラーニングは，多くの問題で既存手法を凌駕する性能を達成した

研究分野への注目

1.3 なぜディープラーニングは急速に発展したか

［急速な発展の背景❶］計算機の指数的な性能向上

指数的な性能向上により，突然解けるようになる

ディープラーニングに特化した専用チップも登場している

スマートフォンのチップ

ハードウェアの性能改善が人工知能の発展で重要

［急速な発展の背景❷］データの爆発的な増加

動画データとゲノムデータが急激に増える

巨大な学習データが最初に必要

従来の機械学習からディープラーニングへと変わっていく

1.4 ディープラーニングと計算コスト

人の学習と，今の機械学習/ディープラーニングの学習

なぜディープラーニングは大量のデータと計算リソースを必要とするのか

［仮説❶］人は学習結果を応用し，再利用している

［仮説❷］人も膨大な量のデータを使って学習している

［仮説❸］人の脳は，省エネかつ高い計算能力を持つ

1.5 ディープラーニングは今後どう使われるのか

自動運転，先進運転支援システム

人の運転は高度な認識と予測を駆使している

センサーや認識技術の発展が進む

ロボット

［タスクの例］説明書を読み，家具を組み立てるために必要なのは？

ディープラーニングは指示理解，認識，制御，プランニングで必要とされる

医療/ヘルスケア

診断，医学の進歩に貢献する

人と人工知能の共存

コンピュータにしかできないことを活かす

人の判断とコンピュータの判断を組み合わせる

［補足］数字で見るディープラーニングの今

1.6 本章のまとめ

2.1 機械学習の背景

演繹的なアプローチと帰納的なアプローチ

機械学習と従来のプログラミング

機械学習の簡単な例：気温とアイスクリーム

2.2 モデル，パラメータ，データ

モデルとパラメータ：「状態」や「記憶」を持つことができる

データ

独立同分布（i.i.d.）

データは同一分布から独立にサンプリングされるという仮定

非i.i.d.環境

訓練データの偏りから誤った結論を導かないために

データからモデルのパラメータを推定する：データから「学習」する

パラメータ数とモデルの表現力

データをすべて丸暗記

世の中のデータは種類数が無数にあり，丸暗記できない

汎化能力：有限の訓練データから無限のデータを予測する

過学習はなぜ起こるのか：たまたま訓練事例を説明する間違ったモデルが見つかってしまう

［過学習を防ぐ❶］訓練データを増やす

［過学習を防ぐ❷］仮説数を必要最低限に抑える

ニューラルネットワークはパラメータ数が多いが汎化する

2.4 問題設定：教師あり学習，教師なし学習，強化学習

教師あり学習のタスクの例

パラメトリックモデル

学習と推論の2つのフェーズから成る

教師なし学習でできること

教師なし学習の代表例：クラスリング，表現変換と次元削減，生成モデル

［ゲームの例］強化学習はどのような学習なのか

エージェントと環境

決定的な遷移と確率的な遷移

強化学習の「報酬」と「報酬仮説」

教師あり学習と強化学習は何か違うのか

［違い❶］i.i.d.を仮定するか

［違い❷］受動的か，能動的か

［違い❸］フィードバックは直接的か，間接的か

2.5 問題設定の分類学

学習問題設定の三つの軸

［学習問題設定の基準❶］訓練データが網羅的か，サンプリングか

訓練データが網羅的に列挙できる場合：三目並べ

訓練データが網羅的に列挙できない場合：囲碁

［学習問題設定の基準❷］ワンショットか，逐次的か

問題の内部で逐次的な出力を順に求める場合

［学習問題設定の基準❸］学習フィードバックが教師的か，評価的か

教師的なフィードバックの方が学習は簡単

評価的なフィードバックの方が設定しやすい

［三つの基準の活用術］学習手法の分類/整理

構造出力の教師あり学習

2.6 機械学習の基本：機械学習のさまざまな概念を知る

教師あり学習による画像分類

機械学習による「学習」の実現：特徴抽出の重要性

❶訓練データを用意する

❷学習対象のモデルを用意する：要素，重み，バイアス

内積を使う

入力と重みをスカラー値からベクトルに一般化

パラメータの表し方

線形モデル

スコアから分類結果に変換する：閾値関数

［小まとめ］❶入力〜❷学習モデルまで

❸損失関数を設計する：モデルを学習させるための準備

マージンと更新

損失関数の設計と損失関数の微分の形はとても重要

損失関数に用いられる関数の例

0/1損失関数

二乗損失，絶対損失

❹目的関数を導出する：訓練誤差

❺最適化問題を解く：勾配降下法，勾配

勾配降下法：勾配の負の方向に向かってパラメータを逐次的に更新する

確率的勾配降下法の効果：高速化，正則化

❻学習して得られたモデルを評価する：汎化誤差

モデルの評価とデータ準備における注意点

2.7 確率モデルとしての機械学習

学習問題を確率の枠組みでとらえるメリット：ベイジアンニューラルネットワーク

2.8 本章のまとめ

第3章 ディープラーニングの技術基礎 ——データ変換の「層」を組み合わせて表現学習を実現する

3.1 表現学習：「表現」の重要性と難題

情報をいかに表現するか：機械学習における重要な問題

文書の表現問題

BoW表現の問題

画像の表現問題：BoVW

従来の専門家による特徴設計/表現方法の設計

ディープラーニングは表現学習を実現しているから高性能である

3.2 ディープラーニングの基礎知識

ディープラーニングとは何か

ニューラルネットワークは「脳のしくみ」からスタートした

強度に共通する重み（パラメータ）

ニューラルネットワークは挙動を望むように変えられる

ニューラルネットワークで複雑な問題を扱う：大量の関数の組み合わせと学習データが必要

3.3 ニューラルネットワークはどのようなモデルなのか

単純な線形識別器の例

線形識別器の拡張：複数の線形の関係を扱う

線形識別器を重ねて多層のニューラルネットワークを作る

モデルの表現力：そのモデルがどのくらい多くの関数を表現できるか

非線形の活性化関数を挟むことでモデルの表現力を上げる

活性化関数と万能近似定理

層とパラメータ

ニューラルネットワークの別の見方

神経回路網として見たニューラルネットワーク：基本構成，活性化，活性値

計算グラフとして見たニューラルネットワーク：分岐/合流/繰り返し，パラメータ共有

3.4 ニューラルネットワークの学習

学習とは何か：「パラメータ調整」による挙動の修正

ニューラルネットワークの「学習」の実現：最適化問題と目的関数

学習を実現する最適化問題を解く：どのように最適化するか

［最適化戦略❶］パラメータを1つずつ修正していく

［最適化戦略❷］パラメータをランダムにまとめて修正していく

［最適化戦略❸］パラメータを勾配を使ってまとめて修正していく戦略

勾配の求め方：偏微分

誤差逆伝播法による勾配の効率的な計算

誤差逆伝播法の導入：大きなシステムにおける離れた変数間の相互作用

合成関数の微分：構成する各関数の微分の積で全体の微分を計算する

動的計画法による高速化：逆向きに微分を掛け合わせていくと効率が良い

微分の共通部分

ニューラルネットワークに誤差逆伝播法を適用する

［小まとめ❷］たくさんの入力とパラメータが一つの出力につながる：共有化，高速化と計算コストの目安

1層の隠れ層を持つニューラルネットワークに対する誤差逆伝播法

ディープラーニングフレームワークは順計算さえ定義すれば，誤差逆伝播法は自動的に実現される

ディープラーニングにおけるアーキテクチャ設計

ニューラルネットワークの構成要素：テンソル，接続層，活性化関数

総結合層：Fully Connected Layer

畳み込み層：Convolutional Layer

画像とパターンが一致しているかは「内積の大きさ」で評価できる

画像中にパターンがどの位置で出現しているかを調べる：特徴マップ

特徴マップ

フルカラー画像中にパターンがどの位置で出現しているかを考える

複数のパターンがそれぞれどこに出現しているのかを調べる

パターン検出後の特徴マップからパターンを再度検出する

［畳み込み層と総結合層の違い❶］疎な結合

［畳み込み層と総結合層の違い❷］重み共有

パラメータ数の劇的削減

可変サイズの画像や音声を扱える：FCN

プーリング操作とプーリング層

回帰結合層：Recurrent Layer

回帰結合層は系列データ向けに作られている

ループがある場合，誤差逆伝播法はどのように計算するか

RNNは工夫しなければ，学習が難しい

RNNは状態を有限の値に収めることが難しい

勾配爆発/消失問題

ゲート機構

代表的なゲート

［主要な構成要素❸］活性化関数：活性化関数に必要な3つの性質

ReLUの優れた性質

ReLUはディープラーニングの「学習」における三大発明の一つ

シグモイド関数の微分

シグモイド関数との関係

Lifting Layer

3.7 本章のまとめ

第4章 ディープラーニングの発展 ——学習と予測を改善した正規化層/スキップ接続/注意機構

4.1 学習を可能にした要素技術の一つ：ReLUのような活性化関数

［再入門］ReLUのような活性値，誤差を保つ活性化関数

なぜ活性値を正規化するのが学習に大事なのか

［活性値の正規化の重要性❶］非線形を生み出し，表現力を高く保つ

［活性値の正規化の重要性❷］学習の高速化と安定化

［活性値の正規化の重要性❸］汎化性能を改善する

バッチ正規化

ミニバッチを使って全体の統計量を近似する

正規化後の分布を2つめのパラメータで制御する

「推論時」に使う統計量は「学習時」に推定しておく

バッチ正規化の適用

バッチ正規化は学習を劇的に安定化し，学習率を大きくできる

正規化後の分布を決めるβとγは挙動を変える重要な役割を持っている

バッチ正規化を使う際の注意点：スケール情報の消失，他データへの依存性

テンソルデータの正規化：チャンネルごとの正規化

層/サンプル/グループ正規化

層正規化

サンプル正規化

グループ正規化

重み正規化

重み標準化

重み標準化の効果と使い方

［アドバンス解説］白色化

共分散行列から固有値を求める

ZCA変換を使い，特徴を白色化する

スキップ接続のしくみ：変換をスキップして出力に接続

勾配消失問題：なぜ誤差逆伝播時に誤差が途中で消失してしまうのか

スキップ接続は高速道路のように情報や誤差をそのまま伝える

スキップ接続は逐次的推論を実現する

スキップ接続は情報を落とさず，ボトルネックを使える

スキップ接続の変種

［スキップ接続の変種❶］PreActivation

［スキップ接続の変種❷］Single ReLU

注意機構の基本

「注意」の重要な役割と注意機構：選択/フィルタリング

［注意機構の役割❶］表現力を改善できる

データに応じて関数の形を変えられる能力

［注意機構の役割❷］学習効率を改善できる

影響を与える範囲を限定的にするしくみ

［注意機構の役割❸］汎化能力を改善できる

「時間スケール」の異なる記憶のしくみ

ニューラルネットワークの記憶の方法

［記憶のしくみ❶］活性値/内部状態：すぐアクセス，小容量

［記憶のしくみ❷］重み/パラメータ：過去と一致しているかを調べている

［記憶のしくみ❷'］Fast Weight

［記憶のしくみ❸］過去の内部状態を「注意機構」で読み出す

代表的な注意機構

最初の注意機構

遠距離の情報をどのように考慮するか

注意機構を使って，遠距離の情報を読み取る

注意機構は読み取る情報を選択できる

注意機構は「微分可能」で，「end-to-end」で学習できる

注意機構は遠く離れた情報を1ステップで読み込む

ソフト注意機構とハード注意機構

自己注意機構/Transformer

スケール化内積注意機構

複数ヘッドを使った注意機構

要素ごとのMLPを使った変換

符号化と復号化から成る「Transformer」

位置符号化

効率的な自己注意機構へ：自己注意機構の致命的欠点

Big Bird：線形の計算量で処理できる自己注意機構

4.5 本章のまとめ

第5章 ディープラーニングを活用したアプリケーション ——大きな進化を遂げた画像認識，音声認識，自然言語処理

5.1 画像認識

画像分類

ニューラルネットワークによる画像処理

画像認識の基本的な処理の流れ

画像分類の発展の歴史

AlexNetの基本：画像認識の基本的なアイディアを導入した

AlexNetのパラメータ数と特徴マップ

画像認識ではスケールが異なる対象の処理が必要

各層の結果を足す場合と結合する場合の違い

Squeeze操作とExcitation操作を組み合わせる

画像全体から求めた「注目すべきチャンネル」だけ残す

ViT，MLP-Mixer

［分類以外のタスク］検出，セグメンテーション

検出

セマンティックセグメンテーション

インスタンスセグメンテーション

パノプティックセグメンテーション

［Mask R-CNN❶］CNNを使った特徴抽出

［Mask R-CNN❷］検出候補の列挙

［Mask R-CNN❸］検出候補の推定

［Mask R-CNN❹］セグメンテーションの推定

画像認識の高速化

グループ化畳み込み操作

チャンネルシャッフル：グループ化畳み込みの問題への対応

デプスワイズ畳み込み操作

シフト

その他の畳み込み操作：Dilated畳み込み操作，Deformable畳み込み操作

5.2 音声認識

音声認識処理の三つのステップ

［ステップ❶］フロントエンド

［ステップ❷］音響モデル

［ステップ❸］言語モデル

ニューラルネットワークと音声認識

LASの基礎知識

Listener

Speller

学習時と推論時の分布の違いに対応する

推論

5.3 自然言語処理

言語理解：コーパスで「事前学習」する

BERTのモデルの学習

学習時と推論時の分布の不一致を学習する

多くのタスクに役立つBERT

［BERTの特徴❶］自己注意機構で表現力を大きく向上できる

［BERTの特徴❷］前後の文脈情報を見て文を深く理解する

［BERTの特徴❸］大量のコーパスを利用し事前学習させる

5.4 本章のまとめ

Appendix ［厳選基礎］機械学習＆ディープラーニングのための数学

A.1 線形代数

A.2 微分

A.3 確率