AlphaGoがトップ棋士に勝ったもうひとつの意義
今回は集合知について書く予定でしたが、急遽話題の「AlphaGo」について触れてみたいと思います。
実は恥ずかしながら、AlphaGoの対局のニュースが流れている頃は、ちょっと忙しくてキャッチアップしていませんでした。1ヶ月くらい経ってからようやく詳しく見てみたら、これはけっこう、衝撃的な内容でした。
一般的に囲碁の場合、コンピュータがトップ棋士に追いつくには10年かかると言われていたのが、いきなり真のトップ棋士に4-1で勝ち越したという点がインパクトとして大きいかと思います。
もちろん、それはそれで偉大な成果なのですが、もうひとつ重要なポイントとして「ディープラーニングが画像認識以外で革新的な結果を出した」というものがあります。
ディープラーニングは、それ自体がアルゴリズムではなく、「ニューラルネットワークを多層にしよう」というアプローチというか、考えかたで、他人の行動を活用してレコメンドをしようという協調フィルタリングのようなものです。
ディープラーニングは画像、実用は先だと思っていたのに
ですから、ディープラーニングで用いる具体的な理論というかアルゴリズムは、また別にあります。そのうち、これまでもっとも成果を出しているのが、「CNN（Convolutional Neural Network）」です。
Convolutionalとは、日本語の「畳み込み」です。大学の数学に出てくる畳み込み積分の畳み込みです。コンボリューションとも呼ばれていましたね。懐かしいです。
余談ですが、私は大学で「話者認識」という音声解析の一種の研究をしていまして、そこでコンボリューションは頻繁に使いました。窓関数はブラックマンだったと思います。
さて、コンボリューションは、画像や音声のような周波数特性を持つデータに対して用いることが多いため、CNNが成果を出しやすいのが画像や音声なのは、これはある意味必然です。
もともとディープラーニングが注目を集めたのは、画像認識コンテストでの圧倒的な成績がきっかけでした。その後も、DeepMindによる気持ち悪い画像のように、耳目を集めるニュースのほとんどが、画像に関するものだったと思います。
もちろん、自然言語処理などでも研究は進んでいますが、画像認識のように「世界のトップレベルをディープラーニングで実現」はまだこれからという状況です。
このため私は、ディープラーニングが産業で活用されるのは、まだ先だろうと考えていました。昨年の6月にコラム「ECとディープラーニング」を書きましたが、そこでもECに関して、画像認識という一部の文やで活用する以外での成果は、まだ少し先になりそうだと書きました。
実際、デジタルマーケティングにおいてディープラーニングが活用されているのは、まだアパレルなど、画像がコンテンツになるような限定された状況においてのみです。
そこに、AlphaGoによるニュースです。
