SlideShare ist ein Scribd-Unternehmen logo
1 von 31
Downloaden Sie, um offline zu lesen
12/05/2018 第2回さきがけ研究者トークイベント
PFN Fellow 丸山宏
Twitter: @maruyama
深層学習の深化と工学化への
課題
Agenda
1. 計算とは何か
2. 深層学習と工学
3. 深層学習と科学
4. 情報技術と社会
3
チューリング機械による「計算」
4
自然数から{0,1}への写像の全体
計算可能関数(プログラムの全体)
全域計算可能(必ず停止する)
P-SPACE
NP完全
P(普通のプログラム)
伝統的な計算機科学で対象とする「計算」は離散のみ!
• y = f(x)
• 関数 f の族を考える
– y = fθ(x)
– 例:線形関数族( y = ax + b)の場合
• θ = <a, b>
5
連続領域における「計算」とは?
連続領域における計算方式の例:アナログ計算機
6
微分解析機:円盤回転角で表現
東京理科大近代科学資料館
日立ポータブルアナコン:電圧・電流で表現
日立評論 Vol. 39, No. 2 (1957)
実際の計算では誤差は避けられない
連続領域における「計算」
7
実数から{0,1}への写像の全体
有限な数のパラメタで表現できる関数
深層学習
少ないパラメタ数で表現できる関数
伝統的統計モデリング
線形関数
離散領域 連続領域
計算モデル チューリング機械、ラムダ
計算、…
深層学習
計算メカニズム デジタル回路 デジタル計算(近似)
物理現象
結果の精度 誤差無し 誤差あり
プログラミング 演繹 演繹・帰納
厳密な仕様 必要 十分な訓練データがあれば不要
8
計算機科学は、連続領域も守備範囲にしよう!
Agenda
1. 計算とは何か
2. 深層学習と工学
3. 深層学習と科学
4. 情報技術と社会
9
深層学習による帰納的プログラミング:摂氏から華氏への変換
訓練データセット
観測
訓練(ほぼ自動でパラメタθを決定)
モデル/アルゴリズムが未知でもよい!
11
汎用計算機構としての深層学習
• 桁違いに多いパラメタ
– 任意の多次元非線形関数を近似*
➔ 疑似的にチューリング完全!
出力(超多次元)
入力(超多次元)
* G. Cybenko. Approximations by superpositions
of sigmoidal functions. Mathematics of Control,
Signals, and Systems, 2(4):303–314, 1989.
世の中の流れ
12
https://petewarden.com/2017/11/13/deep-learning-is-eating-software/
“Software is eating the world,”
Marc Andreessen, 2011
丸山の予想:
2020年には、新しく作られるソフトウェアの50%以上が
統計的機械学習応用システムとなる
デジタル計算機発明以来、最大のパラダイムシフト
=広大な「Low Hanging Fruits」刈り取りの場
「橋やビルを安全に作るた
めに土木工学という工学的
ディシプリンが必要であっ
たのと同様に、データや機
械学習を利用して分析や意
思決定を行うための工学的
ディシプリンが必要だ」*
https://medium.com/@mijordan3/artificial-intelligence-the-
revolution-hasnt-happened-yet-5e1d5812e1e7
*丸山による要約
我々は何をすべきか:新しい工学の必要性
工学とは?
理論(e.g., 構造計算) * 安全係数
新技術が社会に受容されるのは「工学」として熟成されてから
土木工学ハンドブック、969ページ
我々はなぜ安心して橋を渡れるのか? 土木工学の膨大な知見があるから
16
日本ソフトウェア科学会機械学習工学研究会(MLSE)
https://sites.google.com/view/sig-mlse
キックオフシンポジウム (5/17) MLSEワークショップ(7/1-2)
人工知能学会MLSE企画セッション (6/8)
JSSST全国大会(8/29-31)
工学化への課題例:深層学習は説明不能・制御不能
• 深層学習は説明不能か?
– (今の)深層学習は、デジタルコンピュータで実現
• 同じプログラム、同じ入力、同じ訓練データセット、同じ乱数初期
値、… ならば必ず同じ結果が得られる
– 結果を、ビット単位で説明しようと思えば可能
– ただし、「それを人間が解釈できるか」は別問題
• そもそも「説明可能性」とは何か?
17
複雑なシステムは説明困難
18
東京電力福島原子力発電所における事故調査・検証委員会 最終報告書「概要」27ページ
http://www.cas.go.jp/jp/seisaku/icanps/SaishyuGaiyou.pdf
• 例:福島原発の事故は説明できたか?
– 東京電力福島原子力発電所における事故調査・検証委員会の報告書
• 14ヶ月の調査
• 中間報告・最終報告合わせて本文約1,000ページ、資料編約700ページ
複雑なシステムを完全に制御することはできない
• 「キルスイッチ」は制御可能性を担保するか
– 無条件に全システムをシャットダウンすることは「制御」といえるか?
• 飛行中の航空機、手術中の機械、…
• アシュビーの最小多様性原理 (Law of Requisite Variety)
– 制御システムは、制御対象システムよりもより多くの状態を持たなければなら
ない
– 対象が複雑ならば、それを制御するソフトウェアは複雑にならざるを得ない
19
「深層学習だから」説明不能・制御不能なのではない
本質は「問題が複雑だから」
複雑さを低減できるか?
20
C.S. Hollingの「レジリエンス・サイクル」
Holling, C.S. and Lance H. Gunderson. 2002
複雑さの減少は大きな破壊を伴う!
→ 受容せざるをえない
→ 壊れることを前提にしたシステム設計
ISBN-13: 978-4023311558
https://www.researchgate.net/publication/261338523_ICHIGAN_
Security_-_A_Security_Architecture_That_Enables_Situation-
Based_Policy_Switching
Agenda
1. 計算とは何か
2. 深層学習と工学
3. 深層学習と科学
4. 情報技術と社会
21
科学とは何か
5/21, 2016
Hiroshi Maruyama22
多くの観察 → それらを説明する法則
“光は直進する”
よい法則は少ないパラメタで多くの現象を説明する
万有引力の法則
1/15, 201623
Hiroshi Maruyama
科学を導く価値観:オッカムの剃刀
24
実問題の多くは、多パラメタ空間:
例: ExRNA に基づくがん診断
がん診断
科学者は、支配的な因子を探
しがち
深層学習は他パラメタのま
まよい診断結果を出す
https://www.preferred-networks.jp/en/news
25
深層学習による科学の変化
観察
予測
制御
少パラメタ科学(深層学習前)
多パラメタ科学
(深層学習を前提とする科学)
モデル(ホワイトボックス)
理解
モデル(ブラックボックス)
観察
人間の認知限界によって拘束される
予測
制御
人間の認知限界に拘束されない!
Agenda
1. 計算とは何か
2. 深層学習と工学
3. 深層学習と科学
4. 情報技術と社会
26
社会がデジタル技術に急激に依存することの危険
27
• 現代社会の根底にある(西欧的な)仮定:「啓蒙思想」
– 「あらゆる人間が共通の理性をもっていると措定し、世界に何らかの根本法
則があり、それは理性によって認知可能であるとする考え方」(Wikipedia)
– 理性に基づく「自由意思を持った個人」が民主主義、科学、資本主義の前提
• 一方で、人間の「自由意思」の限界に対する認識が高まってきている
“物理学の進歩が全能の神の存在を
否定したように、生命科学と情報技
術の進歩が人間中心主義の神、すな
わち「自由意志を持った個人」の存
在を否定しつつある “
ISBN-13: 978-1784703936
「デジタル主権(Digital Sovereignty)」の2面性
• 元々、インターネットは国境や国家主権のない世界
– オープン、ボトムアップな仕様策定(IETF, W3C, …)
• データと情報の流れを握れば人々の行動を誘導できることがわかってきた
– 消費行動の誘導: A/Bテスト、リコメンデーション、…
– 政治指向の誘導: Fake News、エコーチャンバー効果、デジタルゲリマンダー、…
• GAFAの脅威
– データを少数の巨大企業に握られることへの不安
– GDPR:EUの「デジタル主権」コンセプト
• 中国・ロシアの国家体制モデル
– 「デジタル主権」を体制安定のツールとして用いる
– 自由主義・民主主義に代わる政治体制としての位置付け?
28
➔デジタル主権は両刃の剣
29
知人の大工の息子に、「将来何になりたい
か」と聞いた。
彼は、「父さんのような立派な豆腐屋にな
りたい」と答えた。
2014/5/1Hiroshi Maruyama
情報技術を社会と調和させるため必要な
技芸「リベラルアーツ」
についてご自分でも考えてみてください
5/21, 2016
Hiroshi Maruyama30
31
Thank You
Twitter: @maruyama

Weitere ähnliche Inhalte

Was ist angesagt?

Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Yuya Unno
 
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCTJubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
Yuya Unno
 
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Yuya Unno
 

Was ist angesagt? (20)

機械学習
機械学習機械学習
機械学習
 
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
 
機械学習の理論と実践
機械学習の理論と実践機械学習の理論と実践
機械学習の理論と実践
 
協調フィルタリング with Mahout
協調フィルタリング with Mahout協調フィルタリング with Mahout
協調フィルタリング with Mahout
 
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
 
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
Jubatusのリアルタイム分散レコメンデーション@TokyoNLP#9
 
Jubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCTJubatusにおける機械学習のテスト@MLCT
Jubatusにおける機械学習のテスト@MLCT
 
統計学勉強会#2
統計学勉強会#2統計学勉強会#2
統計学勉強会#2
 
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
Jubatusのリアルタイム分散レコメンデーション@TokyoWebmining#17
 
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
 
論文紹介 Semi-supervised Learning with Deep Generative Models
論文紹介 Semi-supervised Learning with Deep Generative Models論文紹介 Semi-supervised Learning with Deep Generative Models
論文紹介 Semi-supervised Learning with Deep Generative Models
 
第四回 全日本CV勉強会スライド(MOTS: Multi-Object Tracking and Segmentation)
第四回 全日本CV勉強会スライド(MOTS: Multi-Object Tracking and Segmentation)第四回 全日本CV勉強会スライド(MOTS: Multi-Object Tracking and Segmentation)
第四回 全日本CV勉強会スライド(MOTS: Multi-Object Tracking and Segmentation)
 
Show and tell takmin
Show and tell takminShow and tell takmin
Show and tell takmin
 
第1回NIPS読み会・関西発表資料
第1回NIPS読み会・関西発表資料第1回NIPS読み会・関西発表資料
第1回NIPS読み会・関西発表資料
 
A Chainer MeetUp Talk
A Chainer MeetUp TalkA Chainer MeetUp Talk
A Chainer MeetUp Talk
 
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
 
機械学習CROSS 前半資料
機械学習CROSS 前半資料機械学習CROSS 前半資料
機械学習CROSS 前半資料
 
日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝
日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝
日本ソフトウェア科学会第36回大会発表資料「帰納的プログラミングの初等教育の試み」西澤勇輝
 
Combinatorial optimization with graph convolutional networks and guided ver20...
Combinatorial optimization with graph convolutional networks and guided ver20...Combinatorial optimization with graph convolutional networks and guided ver20...
Combinatorial optimization with graph convolutional networks and guided ver20...
 

Ähnlich wie 20181205 sakigake

Ähnlich wie 20181205 sakigake (9)

明日機械学習に役立つかもしれない数学
明日機械学習に役立つかもしれない数学明日機械学習に役立つかもしれない数学
明日機械学習に役立つかもしれない数学
 
20170806 Discriminative Optimization
20170806 Discriminative Optimization20170806 Discriminative Optimization
20170806 Discriminative Optimization
 
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
 
Combinatorial optimization with graph convolutional networks and guided
Combinatorial optimization with graph convolutional networks and guidedCombinatorial optimization with graph convolutional networks and guided
Combinatorial optimization with graph convolutional networks and guided
 
Rブートキャンプ
RブートキャンプRブートキャンプ
Rブートキャンプ
 
はじめての「R」
はじめての「R」はじめての「R」
はじめての「R」
 
JOI春季ステップアップセミナー 2021 講義スライド
JOI春季ステップアップセミナー 2021 講義スライドJOI春季ステップアップセミナー 2021 講義スライド
JOI春季ステップアップセミナー 2021 講義スライド
 
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
 
Coursera "Neural Networks"
Coursera "Neural Networks"Coursera "Neural Networks"
Coursera "Neural Networks"
 

Mehr von Hiroshi Maruyama

Mehr von Hiroshi Maruyama (16)

20230925プレジデント社60周年.pdf
20230925プレジデント社60周年.pdf20230925プレジデント社60周年.pdf
20230925プレジデント社60周年.pdf
 
20230912JSSST大会基調講演_丸山.pdf
20230912JSSST大会基調講演_丸山.pdf20230912JSSST大会基調講演_丸山.pdf
20230912JSSST大会基調講演_丸山.pdf
 
20230712Kuramae-Seminar.pdf
20230712Kuramae-Seminar.pdf20230712Kuramae-Seminar.pdf
20230712Kuramae-Seminar.pdf
 
202212APSEC.pptx.pdf
202212APSEC.pptx.pdf202212APSEC.pptx.pdf
202212APSEC.pptx.pdf
 
20210731知財学会研究会
20210731知財学会研究会20210731知財学会研究会
20210731知財学会研究会
 
2021 06-17 ism-symposium
2021 06-17 ism-symposium2021 06-17 ism-symposium
2021 06-17 ism-symposium
 
Jsai
JsaiJsai
Jsai
 
20181212 ibm aot
20181212 ibm aot20181212 ibm aot
20181212 ibm aot
 
20181204i mlse discussions
20181204i mlse discussions20181204i mlse discussions
20181204i mlse discussions
 
20181204i mlse 1
20181204i mlse 120181204i mlse 1
20181204i mlse 1
 
20181120 ldp ai
20181120 ldp ai20181120 ldp ai
20181120 ldp ai
 
20181030 fun
20181030 fun20181030 fun
20181030 fun
 
20180719 cocn dist
20180719 cocn dist20180719 cocn dist
20180719 cocn dist
 
20180601 ai discussions
20180601 ai discussions20180601 ai discussions
20180601 ai discussions
 
構造改革徹底推進会合におけるプレゼン
構造改革徹底推進会合におけるプレゼン構造改革徹底推進会合におけるプレゼン
構造改革徹底推進会合におけるプレゼン
 
深層学習よもやま話
深層学習よもやま話深層学習よもやま話
深層学習よもやま話
 

Kürzlich hochgeladen

Kürzlich hochgeladen (12)

Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native IntegrationsUtilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
 
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
 
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
 
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイスLoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
 
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
 
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
 
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半        2024/04/26の勉強会で発表されたものです。新人研修 後半        2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
 
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
 
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアルLoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
 
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
 
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
 

20181205 sakigake