ディープラーニングへの苦言
ディープラーニングが、もてはやされているようですな。
でもね。
問題もあるよね。
昔に学んだ、ちょっと怪しい知識を元に、書いてみたいと思います。
ディープラーニングってのは、ニューラルネットワークです。
で、ニューラルネットワークってぇのは、ヒューリスティックです。
ヒューリスティックというのは、「必ず正しい答えを導けるわけではないが、ある程度のレベルで正解に近い解を得ることができる方法」（Wikipediaより）です。
別の言い方をすると、答えの正しさを保証できない訳です。
そういう意味では、多少、語弊がある表現になりますが、「どうでもイイこと」にしか使えません。
例えば、「猫の画像の認識をする」というのは、うまく行くと「スゴイ！」てなことになります。
けれども、うまく行かなくても、どうと言うことはありません。
例えば、人が死んだりなどはしません。
だから、任せられる訳です。
そんな具合なので、例えば、「車の運転を任せる」というようなことには使えません。
つまり、「どうでもイイこと」じゃないこと、という訳です。
そういう「大事なこと」に使うのは、たぶん、無理です。
たとえ使うとしても、補助的なものにしかならないでしょう。
理由を説明するために、「ニューラルネットワークって？」という、元々の話を少ししたいと思います。
ニューラルネットワークというのは、脳の神経細胞をモデル化したものを繋ぎ合わせて作ります。
「モデル化って何だ？」と言えば、要するに、単純化です。
脳の神経細胞（ニューロン）は、他の細胞と繋がっており、そこから電気信号を受け取ります。
そして、その信号が、ある程度以上になると、自らも信号を出し、別の神経細胞に伝えるという動きをします。
これを「発火」と呼びます。
しかし、実際のニューロンが持つ特性は、こればかりではありません。
一度、信号を出したら、その後しばらくは出さない「不応期」と呼ばれるものがあったりなどして、その動きは結構複雑です。
しかし、複雑な動きをコンピュータ上で真似（シミュレート）するとなると、非常に計算の手間が掛かることになります。
そのため、「だいたいこんな動きだろ？」ということで単純化し、それらを組み合わせて、ネットワークを作ることにしています。
そして、これにチューニングを加えることによって、学習をさせることとしている訳です。
実際に、どの部分をチューニングするかと言えば、「ニューロンが出力した信号を、どうやって伝えるか」の部分になります。
実際のニューロンには、興奮性のものと抑制性のものの２種類があります。
信号を受け取ったニューロンを発火させる方向に信号を渡すか、逆に発火を抑えるように伝えるかということです。
発火したニューロンの信号を「１」としたとき、これを、次のニューロンに伝える場合に、「−１」としたり、「０．５」としたりということで、元のニューロンと次のニューロンとの繋がりの重み付けを変えます。
ここが、学習によって調整される部分です。
これによって、信号がどう伝わるかが変わり、例えば、抑制性のニューロンばかりが繋がっているニューロン、つまりは、マイナスの重み付けが多く集まっているニューロンは発火しづらくなります。
学習を行う際には、例えば、「こういう入力が入ったら、出力はこう」という正解のセットを用意して行います。
「どういうパターンに、どう答えれば良いか」というのが、望む状態になるように、ニューロン同士の繋がりの重み付けを調整していく訳です。
けれども、通常は、「すべてのパターン」を学習の例として用意はできません。
猫の画像を認識する場合を考えてみてください。
そもそも、「猫と見なせる画像のすべて」というセットなど、ありません。
逆に言えば、だからこそ、学習する意味がある訳です。
つまり、学習させていないデータについても、上手に答えるところに醍醐味があるということになります。
ですから、十分なのかどうかは分からない、ある程度の数のデータを用意して、それについて学習させる、ということになります。
そもそも正解のデータの全セットがあるのなら、それを使って答えれば良い訳で、学習させる意味がないことにもなってしまいます。
また、ここが重要なところですが、チューニングをある程度やったとしても、「なぜ、学習できていると言えるのか」は説明できません。
「それぞれのニューロンの繋がり部分が持つ重みの全体が、なんとなーく、正しくチューニングされている筈でぇす（はぁと）」という答え方しか、できない訳です。
また、同様の理由から、どこまで学習をすれば良いかということには、答えがないものと思われます。
ですから、「もう完璧です！パッチリ学習できちゃいました！！！」というようなことは言えない訳です。
「どのデータを使えば良いのか」と「どれだけ学習させれば良いのか」が不明な訳です。
知らんけど。
たぶん、そう。
な筈。
となると、これは、かなりの欠陥です。
なんという、頼りなさでしょうか！（自信はないけど決めつける）
そんな訳で・・・。
夢の様なことを語って、どこぞからカネを引っ張ろうと思っているのかもしれませんが、個人的には、ディープラーニングが素晴らしい技術などとは、現時点では、あまり思えません。
ただし、「近い未来に、もっと大きな展開があるかもしれない」とは、思います。
それは、上記のようなモデル化されたニューロンを物理的に作り、それらを無数に繋ぎ合わせて動かすようなことをした場合に、また別の地平が開けるだろうという話です。
これは、すでにやっている方もいるのだろうとは思いますが、大規模なもので実施し、目覚ましい結果が出たという話は、寡聞にして聞きません。
現状では、ニューラルネットワーク実験の多くが、コンピュータ上で、仮想的にニューロンを動作させるシミュレーションだろうと思います。
それでは、処理は並列化されず、自ずと限界があります。
物理的な素子としてニューロンをモデル化し、圧倒的な数を組み合わせ、十分な学習をさせたとき、そのモノは自意識を持ち始め、「オレって、素子が劣化したら死ぬのかな？」というモータルコンバットでメメント・モリな言葉を発するかも知れません。（飛躍しすぎ）
