TOPICS

トピックス

第4回AIジェネラル基礎ゼミが行われました。

AIジェネラル基礎ゼミ

第4回 「深層学習の仕組み⑶」(2021年10月20日)

信州大学社会基盤研究所 特任教授 林憲一

第4回授業において、林先生は前回・前々回に引き続き、「深層学習」の基礎原理に
ついて説明されました。

1.時系列データの扱い
 林先生は、時系列データ、特に音声処理・自然言語処理の技術は、ディープラーニ
ングとの関係で関心の高い領域であることを指摘されました。続けて、その技術の具
体的な利用例として、AmazonのAlexaやAppleのSiriなど、身近なケースが多数存在す
ることを示しつつ、時系列データの特徴として、前回講義の画像データと異なり時間
軸に沿ってデータが変遷していく特徴が存在する点、またかかる特徴に対応した処理
を可能とするRNNというモデル(再帰型ニューラルネットワーク)が存在する点やそ
の内容について詳しく解説されました。

2.強化学習と生成モデル
 AIがランダムに選択した行動とその結果から、報酬を得ることを介して学習し、最
適な行動を学習できるようにする手法として、強化学習がある。林先生は、AIが強化
学習により、僅かな時間で著しい進化に至っているケースを、動画等を用いて説明さ
れると共に、その際AIが用いた手段や導いた結果は、各領域における今後の更なる発
展の可能性を示しているとお話されました。
 続けて林先生は、強化学習が活用されるモデルとして、画像データ等の生成を行う
生成モデルがあること、そしてその有名な例である、GAN(Generative Adversarial
Network, 敵対的生成ネットワーク)について解説されました。

ページの先頭へ