教師なし学習は、FacebookのAIの第一人者、ヤン・ルカン氏が真に解決したい課題です。この課題は、研究者を次世代AIへと導く可能性を秘めています。機械がより高い知能を持ち、世界を認識し、それに応じて行動できる、いわゆる「常識」を実現するAIです。
月曜日に開催されたオライリー人工知能カンファレンスで、ルカン氏は聴衆に語りかけ、ディープラーニングを称賛した。この技術は、FacebookがAIを用いて画像内の物体を認識するオープンソースソフトウェア「DeepMask+SharpMask」を開発するきっかけとなった。
「フェイスブックは毎日、ユーザーから10億から15億枚の写真を受け取っている」とルカン氏は語った。
「2秒以内に、画像は2つの畳み込みニューラルネットワークを通過します。1つは物体を検出し、もう1つは人物を認識してタグ付けできるようにします。」
これは素晴らしいことですが、機械が優れたパフォーマンスを発揮するには、トレーニング段階で多くの背景知識を学習する必要があります。トレーニングデータは少しずつ機械に与えなければならず、学習の大部分は教師あり学習です。
学習曲線…教師ありAIトレーニングと教師なしAIトレーニングに関するLeCunのスライド
機械がデータを理解し、大まかな予測を行うには、サンプルあたり10～10,000ビットといった膨大な情報を入力する必要があります。しかし、AIが真に進歩するためには、機械は過去に観察した情報から入力データのあらゆる部分を予測できなければなりません。例えば、過去に見た一連の行動に基づいて、動画の次のフレームを予測できるような能力です。
このタイプの学習は教師なし学習であり、サンプルあたり数百万ビットの教師あり学習よりも少なくとも 100 倍の計算能力が必要です。
現在のAIモデルは世界を認識できますが、推論や計画には困難を伴います。常識を備えた真に知的な機械を構築するには、世界を知覚し、計画し、推論し、正確な予測を行い、記憶に蓄積されたあらゆる知識に基づいて適切に行動できなければなりません。
ルカン氏は、視覚認識に活用できる教師なし学習アルゴリズムの発見に尽力しています。これはFacebookにとって有益であるだけでなく、研究者がより知能の高い機械を開発し、ひいては人間の知能や学習の根底にあるメカニズムをより深く理解するのに役立つでしょう。
しかし、それまでは、AI は特定のタスクでのみ優れたパフォーマンスを発揮し続けるだけであり、汎用 AI は SF の世界にしっかりと閉じ込められたままになります。®
