では、今回から、ディープラーニングによって出来るようになったことをまず中心に話して行くことで、よりAIに対するおおまかな理解を深めてもらいたいと思う。

 

ディープラーニングの重要な成果に、特徴抽出を自動で行うというものがある。

 

従前の機械学習では、学習を行う前に人間がそれぞれのデータに合わせて、有用な特徴ベクトルを計算するということが必要だった。

 

トレードで言えば、例えば終値を加工した移動平均だとか、そういうものをこちらがデータとして与える事で、学習が可能になっていた。(移動平均が特徴ベクトルであるとい仮定に立った話であり、そもそも目的の出力を得るにあたって、特徴ベクトルではない可能性があることには留意が必要)

 

だが、ディープラーニングでは、このような特徴の抽出を自身で行うことができる。

 

従前解析者の職人的技に依存してきた特徴抽出がディープラーニングで自動でできるようになったというのが、まず驚くべき成果だろう。

 

そもそも、なぜこの特徴抽出ができてしまうのかは理論的にはわかっていない。学習の過程でどのようなことが起きているのか完全に把握できていないのが、ディープラーニングだからだ。

 

ディープラーニングの大きな特徴として、「何故学習が上手くいっているのか、理論的にはよく分かっていない」というものがある。

 

なぜかというと、人間が理論的な計算方法なり、方程式のようなものを与えて計算機が計算しているのではなく、最初から読まれているみなさんはご存じのとおり、ディープラーニングの大本の着想は、「人間の脳の模倣」からはじまっているからだ。

 

つまり、「人間の脳の模倣をしてみたら、なんか知らんけど上手くいった」というのが今の状態であり、理論的に何故うまくいくかを解明するのは今後の課題というわけだ。

 

そして、これが今ディープラーニングに寄せられる大きな期待の源泉でもある。

 

なぜなら、人間がわかっているような処理を機械がしている、ということ自体が、未だ不明な点の多い脳の解明、ひいては汎用的な人工知能への発展の余地がある、と考えられるからだ。

 

ディープラーニングが理論的に解明されれば、それは脳のニューロン活動が簡易的なモデルでも、理論的にわかるということ。

 

そして、それが脳の研究をさらに進め、それをまたディープラーニングに応用していくことで、いつに日か本当に人工知能ができるかもしれない、というのが今ディープラーニングに寄せられる大きな期待の理由なのだ。

 

さて、ディープラーニングは確かに人工知能研究に大きな進歩をもたらしたが、決して完全なる万能というわけでは、未だない。

 

それをみていくために、次回はディープラーニングの現時点での課題というのをみていこう。

ランキングポチは必ず頼むぞ。読み逃げは厳禁だ。

人気ブログランキングへ
にほんブログ村 為替ブログへ
にほんブログ村

売買ルールを手に入れたいなら、、、
動画講座はこちら
売買ルールの実践練習に、、、
チャートブックはこちら