ディープラーニング学習する機械 ヤン・ルカン、人工知能を語る

ヤン・ルカン(著者), 小川浩一(訳者), 松尾豊(監訳)

• 販売会社／発売会社: 講談社
• 発売年月日: 2021/10/25
• JAN: 9784065238080

商品レビュー

2025/03/25

ヤン・ルカン氏の大著
以下メモ
還元主義的モデルでは対応できない複雑な集合的現象の予測は現象学的モデルであるNNが得意とする。ここでいう、還元主義的モデルとは、こういう方程式で支配されて、この環境ではこの影響をこのくらい受けるから、こうなるだろうと予測する方法。ロケットの弾道予測とか、天気予報とか。現象学的モデルは、都市の消費電力の予測とか、薬に対する反応とか、色んなデータを観測して、それらの変数に対する影響度合いを起こったこと(現象)から予測するモデル。

自己教師あり学習による世界モデルの獲得が必要

知能は教科学習のみで達成されるものではなく、自己教師あり学習、教師あり学習、教科学習の３段必要である。

「AIはブラックボックス」と言われるが、それは誤解だ。ニューラルネットは解析可能で、秘密の部分はない。確かに複雑だが、人間の判断も完全に説明できるわけではない。医者やパイロットの脳の働きを知らずとも信頼するのに、なぜAIにだけ過剰な説明を求めるのか？さらに、医薬品の作用機序が不明でも使われるように、AIも試験を経れば利用可能だ。特に金融や行政では、判断の根拠を示し、改善策を提示する仕組みを整えればよい。それが本質的な透明性だ。

2023/02/28

※ 出版社さんから紙版をいただきましたが，自分でも電子版を購入してレビューしています

著者のLeCunさんは，HintonさんやBengioさんと並んで，第3次AIブームの火付け役である．AIの歴史，自叙伝，ニューラルネット仕組み，そしてAIのさまざまな問題や今後の展望について語った本である．

◆ 第1章：AI革命
データがあればいくらでもすごいAIが作れるぜ！みたいなタカ派のLeCunさん，それに対してハト派のBengioさんみたいな印象を今まで持っていた．現状のニューラルネットに出来ないことを率直に認め，論理の必要性を述べている．初期の論理ベースのAIにも気を遣って紹介している印象を受けた．

◆ 第2章：AIならびに私の小史
自叙伝パートIである．誤差逆伝播法を誰が考えたのかは議論があるのだが，導出しただけでなく，実際に動かすのが難しいところを実装までやったところが，やはりHintonさんは違ったという意見は印象に残った．あと，NECの北米研究所のあたりの経営陣の話は残念だったなと思う．

◆ 第3章〜第7章
初期のパーセプトロンから，現在の深層学習までの仕組みの紹介．数式の代わりにプログラムのコードを使って紹介しているが，あまりうまい説明のようには思えない．というわけで★を一つ差し引くが，この本のおいしいところは第9章と第10章なので，この本の価値が損なわれる訳ではない．
ただ一箇所，第6章で，LeCunさんが名を上げた畳み込みニューラルネットの元になったネオコグニトロンを作った福島さんについて賛辞を述べているのは印象深かった．

◆ 第8章：Facebook時代
自叙伝パート2である．ザッカーバーグさんがLeCunさんをスカウトするとき，論文まで読んで来ていたというのは感服した．

◆ 第9章：そして明日は？AIの今後と課題
ここからがメインディッシュである．現状のAIの限界への認識と，それをどう克服してゆくかの展望を述べている．Kehnemanさんのシステム1と2を使って，意識的な処理と，無意識な処理とを統合するのが重要というBengioさんがよくされる話を紹介している．もちろん，AI研究者はこの問題を認識しているが，さてどうやればいいかはみんな悩んでいる．ただ難しいというだけでなく，学会とかでは Predictive Learning という名で呼んでいる自身の解決案を紹介ししている．だが，現状では，どんな点がうまくいなくて，どんなことが必要になるというのを存分に語っている．

◆ 第10章AIの問題点
メインディッシュの2皿目では，AIと社会に関わる問題について，LeCunさんの意見を述べている．楽観的ではあるのだが，ちゃんとその理由も考察している点はさすがである．人間を支配するAIが発生しないと考える理由が個人的には面白かった．

2022/12/16

ディープラーニングの素人でも楽しく読める。数学的な記述が数式というよりプログラムのような書き方なのがちょっと残念。
AIの問題点の10章がいい。

学会誌の書評欄で知って図書館から借用。