【10分で分かる】ニューラルネットワークとは？

今回は、AI研究における基礎的な技術であるニューラルネットワークについて説明します。

昨今のAIブームの背景には2012年に発表されたディープラーニングと呼ばれる手法の登場が大きく寄与しています。

そのディープラーニングの根幹の仕組みであるニューラルネットワークを学ぶことで現在のAIブームをより本質的に理解できるようになります。

初心者でも分かりやすいように難しい数式などは極力使わないように解説していますので、最後まで読んで、ぜひニューラルネットワークを理解してください。

▼AIについての詳しい説明はこちらから

ニューラルネットワークとは？

ニューラルネットワークとは「人間の脳内にある神経細胞（ニューロン）のネットワーク構造を模倣して考えられた数式モデル」です。

あまりピンときませんね。。

では、少しだけ横道にそれますが、私達人間は、普段の生活において日々、新しいことを学んだり、出来ることが増えたり、新しい何かを生み出したりしています。
こういった現象のことを私達は「頭が良くなる」と表現しています。

ではなぜ、こういったことをすると頭が良くなるのでしょうか。

実は、私達が頭が良くなる現象とは脳科学的に言えば「ニューロンが新しく増えている」ということなのです。
（ちなみに、どんなに年齢を重ねても何かを経験することで新しくニューロンが生成されます）

そして何かを伝えたり、生み出したりすることで、情報が入ってきたニューロンから別のニューロンに伝わるのです。
こういった事を繰り返すことでニューロンは増加し、結果的に頭が良くなるのです。

ニューラルネットワークは、このような脳の仕組みをそのままコンピューターに応用しているため、「人間が頭が良くなる仕組みをコンピューターに応用したもの」と考えると良いでしょう。

ニューラルネットワークの仕組みと歴史

ニューラルネットワークの仕組み

ニューラルネットワークでは下記図のように

入力層・・情報が入力される
出力層・・情報を出力する
隠れ層・・入力層と出力層の中間に位置する

この3つの層で構成されています。

図1　ニューラルネットワークの基本構成
（図中の丸の部分をニューロン、矢印と線分をシナプスと呼ぶ）

ニューラルネットワークでは、神経細胞を真似たニューロンが前の層のニューロンの出力を受け取り、それらに異なる重み値（シナプス）をかけて合算します。
その合計値が一定以上になればニューロンが”有効な状態”になっています。

ニューラルネットワークの基本的な学習フローは最終的な出力が理想的な出力になるように重み値（シナプス）を調整する作業を指します。

ディープラーニングでは、途中の隠れ層を20層～30層になるほどニューロンを深くすることでより精度の高い判断ができるようになります。

ニューラルネットワークの変遷

ではニューラルネットワーク技術はどの様に発展してきたのでしょうか。

パーセプトロン

歴史は意外と古く1958年にコーネル大学のローゼンブラットが発表した「パーセプトロン」という技術がニューラルネットワークの始まりです。

パーセプトロンは図2のように、

入力層：教師データと同じ数のニューロンを配置
隠れ層：なし
出力層：1つのユニット

と図1の基本構成を非常に簡素化したニューラルネットワークと捉えることが出来ます。

図2　パーセプトロンの基本構成

このパーセプトロン技術は1960年代の第一次AIブームの火付け役になりました。しかしながら、実際に現実のような複雑な問題を解くことは出来ませんでした。

マルチレイヤーパーセプトロン

マルチレイヤーパーセプトロンはパーセプトロンの入力層と出力層の間に隠れ層を入れたものです。

図3　マルチレイヤーパーセプトロンの基本構成

この技術によってパーセプトロンでは処理することが出来なかったより複雑な問題が解けるようになり、二回目のAIブームが起きました。

しかしながら、今回は、非常に強力な表現力のあまり、「過学習」を起こしてしまうことが判明したため、第二次AIブームも長くは続きませんでした。

ディープラーニング

現在、第３次AIブームと呼ばれ様々な分野でAIが活用されています。
その火付け役になっているのがディープラーニングです。

ディープラーニングでは、マルチレイヤーパーセプトロンの隠れ層を複数にすることで、人間が指定をしなくてもコンピューターがデータの特徴を独自で見つけることが出来るようになりました。

このディープラーニングの登場はAI研究において大きなブレークスルーでした。

特に顕著だったのが、2016年にGoogle傘下のDeepMindがディープラーニングを用いて開発した囲碁AIの「AlphaGO」です。

「AlphaGO」は囲碁世界チャンピオンのイ・セドル氏との対局で、今まで人が思いつかなかった手を繰り出し、最終的に勝利を収めました。
世界的に特に難しいと言われている囲碁でAIが人間に勝利をしたことは世界的に広く話題となりました。

ニューラルネットワークの種類

ニューラルネットワークには実は様々な方法があります。
今回は代表的なものをピックアップして紹介していきます。

リカレントニューラルネットワーク（RNN）

リカレントニューラルネットワーク（RNN）は時系列データを扱う際に用いられます。

音声などの時系列があるデータを時間軸に沿って入力することが出来るため、時間情報をそのまま記録することが出来ます。
文脈を読み取ることが出来るため、機械翻訳や音声認識に使われるケースが多いです。

近年、AmazonEchoなどのスマートスピーカーの普及にはRNN技術の進歩が背景にあります。

畳み込み型ニューラルネットワーク（CNN）

畳み込み型ニューラルネットワーク（CNN）は、二次元データを扱う際に用いられます。

画像などの二次元データをそのまま入力することが出来るため、画像処理などに用いられるケースが多いです。
例えば、Googleのニューラル翻訳などがこの画像認識の技術が使われています。

敵対的生成ネットワーク（GAN）

敵対的生成ネットワーク（GAN）は近年、非常注目されており、2つのニューラルネットワークを互いに競わせて学習を深めていくことからこの名前が付けられました。

ジェネレータとディクリミネータの2つのニューラルネットワークで構成されています。
ジェネレータはディスクリミネータが間違えるようなデータを生成するように、ディスクリミネータは生成されたデータを見抜けるように学習します。
このいたちごっこを繰り返すことで本物と見分けがつかないようなデータを生成することが出来ます。

まとめ

いかがだったでしょうか。

今回はディープラーニングの基礎的な技術であるニューラルネットワークについて解説しました。
ニューラルネットワークは現在のAI研究において、根幹を担う技術になります。

私達の普段の生活にも密接に関わっている技術になりますので、こういったことを知っておくことは今後の社会では非常に重要になるでしょう。

「AI関連ツールの導入を考えているけどなにから始めればいいのかわからない」
「業務効率化したいけど、どのツールを使えば良いのかわからない」

こういったお困り事があれば、お気軽にリカイゼンにご相談ください。
リカイゼンではITにおける様々な問題に対してお手伝いをしております。
お気軽にお問い合わせくださいませ。