数年前、モントリオールのパブでの白熱した議論の後、イアン・グッドフェロー博士はAI（人工知能）における最も興味をそそるアイデアのひとつを思いついた。ゲーム理論を応用することにより、世界がどのように機能しているのかを、AI自身に効率よく教え込める機械学習システムの方法を考案したのだ。この方法を使えば、人間が苦労してラベル付けした訓練用データを用意しなくても、コンピューターをより賢くできる可能性がある。
グッドフェロー博士は、人間の指示なしでニューラル・ネットワークを学習させる方法について研究していた。通常、ネットワークが効率よく学習するためにはラベル付けした訓練用データが必要だ。ラベルの無いデータを使って学習することもできるが、あまりうまくいかないことが多い。グーグル・ブレイン（Google Brain）の研究者であるグッドフェロー博士は、２つのニューラル・ネットワークが協力して動作したらどうだろうと考えた。1つめのネットワークがデータセットについて学習して訓練用データを作成し、もう1つのネットワークに本物か偽物かを判別させる。そうすれば、1つめのネットワークがパラメータを微調整して改善できるかもしれない。
パブから戻った後、グッドフェロー博士は、「競争式生成ネットワーク（GAN：generative adversarial network）」と名付けた最初のプログラムコードを作成した。ニューラルネットワーク同士を競わせるGANのアプローチは、ラベル付けしていないデータによる学習を大幅に改善した。GANはすでに、見事な芸当を見せてくれている。 例えば、収集した写真の特性を習得することにより、ピクセル化された画像の解像度を向上させられる。ほかにも、本物そっくりな模造写真を作ったり、画像に特定の芸術スタイルを適用したりできる。グッドフェロー博士は「GANはAIに、一種の想像力を与えていると考えられます」と語る。
（ウィル・ナイト）
- 人気の記事ランキング
-
- This startup is about to conduct the biggest real-world test of aluminum as a zero-carbon fuel アルミ缶をクリーン燃料に、 米スタートアップが作った 「新エンジン」を訪ねた
- Promotion MITTR Emerging Technology Nite #35 Soraの問題点とは？ AI時代の知財を考える11/12緊急イベント
- What a massive thermal battery means for energy storage 1000℃のレンガで熱貯蔵、世界最大の蓄熱電池が稼働
- I tried OpenAI’s new Atlas browser but I still don’t know what it’s for 誰のためのブラウザー？ オープンAI「Atlas」が残念な理由
- An AI adoption riddle AIの試験運用は失敗続き、それでもなぜ投資をやめないのか？
