コンピュータビジョン、NLP、ディープラーニングなど、AIとMLの革新の鍵となるニューラルネットワークのパワーをご覧ください。
ニューラルネットワーク(NN)は、しばしば人工ニューラルネットワーク(ANN)と呼ばれ、人間の脳の複雑な構造と機能にヒントを得た計算モデルである。主にデータ内の複雑なパターンを認識するように設計されており、現代の人工知能(AI)や機械学習(ML)の礎石となっている。これらのネットワークは、高度な画像認識ツールから高度な言語翻訳サービスに至るまで、私たちが日常的に利用している多くのインテリジェント・システムに力を与えている。
ニューラルネットワークは、相互に接続されたノード(ニューロン)の層で構成される。これらの層には通常、生データを受け取る入力層、データを処理する1つ以上の隠れ層、分類や予測などの最終結果を生成する出力層が含まれる。ニューロン間の各接続には重みがあり、接続の重要性を示す。ニューロンは活性化関数を使用して入力を処理し、渡す出力信号を決定する。ネットワークは、一般的に勾配降下や バックプロパゲーションのようなアルゴリズムを使用する学習プロセス中に、予測と実際の目標値との誤差を最小化するために、これらの重みを調整することによって学習します。効果的なトレーニングに関するガイダンスについては、モデル・トレーニングのヒントをご覧ください。
ディープラーニングを採用したモデルは、基本的に多数の隠れ層を持つニューラルネットワークである(だから「ディープ」なのだ)。この深さにより、大規模なデータセットから非常に複雑なパターンや階層的な特徴を学習することができ、物体検出や 画像セグメンテーションのようなタスクに非常に効果的である。手作業による特徴設計を必要とする単純なMLモデルとは異なり、NNは画像やテキストのような非構造化データから関連する特徴を自動的に抽出することに優れている。
ニューラルネットワークは驚くほど汎用性が高く、数多くの分野で応用されている。以下に2つの主な例を挙げる:
NNを関連するAIの概念と区別することは有益である:
要約すると、ニューラルネットワークは、機械がデータから複雑なパターンを学習することを可能にする、脳から着想を得た強力なモデルである。ディープラーニングの基本的な構成要素であり、コンピュータビジョンによる画像理解からNLPにおける言語処理まで、多様なAIアプリケーションの進歩を牽引している。