官能の人工知能 〜深層学習を最も分かりやすく説明するパラダイム：Over the AI ―― AIの向こう側に（22）（5/10 ページ）

深層学習を正しく理解するのは困難を極めます。ですが、あるパラダイムで考えると、大変に分かりやすくなるのです。そのパラダイムとは、これまであらゆるテクノロジーの進化と発展をけん引してきたと言っても過言ではない、最も偉大なるコンテンツ――そう、「エロ」です。【追記あり】

[江端智一，EE Times Japan]

手作り学習データでCNNを学んでみる

　今回は、この教師あり学習としてCNN（Convolutional Neural Network：畳み込みニューラルネットワーク）を、教師なし学習としてAE（Auto Encoder：自己符号化）をご紹介します。

　ニューラルネットワークには、いろいろありますが、前回の（1）階層型の層間全結合のニューラルネットワークと、この（2）CNNと（3）AEの3つさえ分かっていれば、おおむねニューラルネットワークは理解しているといっても良いでしょう。

　では、CNNから解説します。

　CNNについては、いろいろな文章を読みまくったのですが、どうにもよく分からなかったので、書籍やネットに記載されているプログラムをパクり……もとい、参照させて頂きながら、自分でプログラムを書いてみました（プログラムはこちら）。

　学習データとしては、A,B,C,Dの4種類の文字を8つ用意しました。いくつかは文字の角度や大きさや場所を変えてみました。

　前回、私は、XORという、線形では分離できない、簡単な4つの信号の学習を試みて、かなり頻繁な確立で学習に失敗することを示しました。

　今回の入力データは、8x8=64ビットのデータを8つも学習させることになりますので、前回のような全結合型のニューラルネットワークを使って、逆伝搬学習（バックプロパゲーション）を試みれば、ほぼ確実に失敗することは分かっています。

　文字認識は、ニューラルネットワークの代表アプリケーションと言えるもので、世の中の多くの論文で成功例の報告がありますが、大抵の場合、マグレで学習に成功したケースです（いわゆる、チャンピオンデータ、というやつです）。

　まあ、マグレであれ何であれ、一度学習に成功してしまえば、そのニューラルネットワークはどこでも使うことができるようになりますので、それはそれで良いのです ―― が、結局のところ、マグレや設計者のセンスに依存するような技術は、結局使いものにならないのです。第2次AIブームのニューラルネットワークは廃れていったのは、こうした理由からでした。