ディープラーニングについて、基本的な理解が進んだ。Pythonとの関係も分かった。 ※読書ノートに色々メモあり。

ディープラーニングとは、人工知能の機能の中の「機械学習」の、さらに深い一部らしい。人間がプログラムした通りに回答を出すだけでなく、それらの中から応用させて答えを導き出すのが機械学習。それが多層に渡って応用して人間の「判断」に近づいていくのがディープラーニングのようだ。本書ではその技術の応用例を分かりやすく伝えている。 日々のルーチンワークの中で「AIが勝手に判断してくれるとどれだけ楽か」と思う業務が多々ある。しかし一つ一つの業務に対応できる仕組み作りには膨大なコストがかかり、よほど費用対効果がないと「AIがやってくれる」のは難しいんだろうなあと思う。 また、こうした技術を活用するには優秀なプログラマーだけでなく、それをビジネスに結びつけられる橋渡し役が大切だとしている。この橋渡し役、いろんな意味で重要だ。ビジネスと言っても「自分の所だけが儲ける」のに長けた人材だと、現場にとっては使い勝手が悪いものを押し付けられる危険性がある。実際、そんな仕組みを多々見てきた。 結論。システムは人の業務を補助するためにあり、人の仕事は無くならない。どんな便利な道具も、使う人次第で武器にも凶器にもなる。

ディープラーニングがどういうものなのか、その利用例などとともに説明した本。 技術的な話はなく、ビジネスにどう使っていいかの話がメイン。この本自体は2017年発売の本だし、その頃はそういう類の本はよく読んでたので、特別目新しい話はなかった。 ただ、利用例についてはいろいろ初めてしることも多くて面白かった。 ディープラーニングを使うこと自体は大量に電力を消費するイメージだったけど、どうやらディープラーニングを使うことによってデータセンターを省エネ化する取り組みもあったらしい。そういう利用の仕方は、環境にもいいだろうし、どんどん進んでいってほしい。 後、個人的には自分の仕事で関わっている業種に関わりのあるオークネットIBSの写真から車の型式特定する取り組みなんかも面白かった。多くのデータは必要だろうけど、画像認識の技術も本当、ディープラーニング(というより、GoogleのTensorFlowというライブラリ)を使えば簡単に利用できる時代なんだなと思った。うちの会社、というより社長もこういう取り組みには少し興味を示しているようだし、自分ももう少しこのあたりの勉強はしておいたほうがいいのかもしれない。

2016年末時点のディープラーニングの説明や応用例が豊富に説明されています。数式は登場せず、優しい書きぶり。 弊社でディープラーニングを使うならなにから始めれば？という視点の説明もあり。 ただ、どうしても日進月歩な分野なので、ざっと読んでディープラーニングのイメージを深めるステップの一つとして読むのが個人的にはおすすめです。 古いだけで内容は良いので、評価の☆は放棄します。

初版が2017年1月とちょっと古いが、教科書的な書き方をしてくれているので、古びれることなく、分かりやすい。グーグルの方がインタビュー的に答えてくれているレベルで、グーグルのディープラーニングが分かると言うほどの記載はなかった。 でも、知ったかブリの自分が勉強するには、十分でした。

①人工知能→強化学習→ディープラーニング ②隠れ層を多層化する事で複雑な処理可能に ③APIで直ぐ実装可能。固有データが今後の鍵

内容は軽いディープラーニングの説明と事例の列挙。 今後何が起こりうるかについての記述がなかったのが、自分にとっては残念だった。

人工知能 = 知的な情報処理をするもの、またその技術。 人工知能の中に、機械学習があり、更にその中にディープラーニングがある。 機械学習の一つの分野がディープラーニングである。多層の処理を重ねる手法。 機械学習はプログラムを人間が作らない。 機械が自動的に膨大なデータから学習してモデルを作る。 入力から出力までの間の中間層を多層化することが、ディープラーニング。 ニューラルネットワークとディープラーニングを理解するポイント。 お手本をたくさん読み込むことで、間違いが少なくなるように、ニューロン間の関係を示す値を調整しながら学習する。 データが複雑になるほど、多くの層のニューラルネットが必要になる。 最大のポイントは人間がプログラムして動くのではなく、コンピュータが自ら特徴を見つけ出すこと。 教師あり学習。入力に対して、出力の正解があるもの。 強化学習。次の手が正解か不正解かが、その時点で分からないもの。ゲームの手など。 既に様々な場面でディープラーニングが使われている事が事例から分かる。 民主化と呼ぶ動きは好ましい。どう使うか。が今後の焦点だと思う。 入門書として良かった。

「ディープラーニングって結局何が出来るの？」 を具体例をつかって説明しており、理解しやすい本です。 はじめに、Googleのエンジニアの賀沢秀人さんが、 「人工知能・ニューラルネットワーク・ディープラーニング」 について解説してくれています。 具体的な例を使いながら説明してるので分かりやすかったです。 「ディープラーニング」と言われると 何か凄いことができそうな感覚に襲われますが、 得意不得意もあり、何でも出来るという訳ではないと認識しました。 グーグルのディープラーニング研究の責任者のインタビューもありました。 AIを難しい手の届かない技術に仕上げるのでなく、皆で使って活用してほしいという想いを感じました。 自分も、自分の仕事の中でAI活用考えてます。テンソルフローちょっと勉強してみます☺️ 「ディープラーニング」を学ぼうと考えてる方にオススメの一冊です❗

「ディープラーニングって結局何が出来るの？」 を具体例をつかって説明しており、理解しやすい本です。 はじめに、Googleのエンジニアの賀沢秀人さんが、 「人工知能・ニューラルネットワーク・ディープラーニング」 について解説してくれています。 具体的な例を使いながら説明してるので分かりやすかったです。 「ディープラーニング」と言われると 何か凄いことができそうな感覚に襲われますが、 得意不得意もあり、何でも出来るという訳ではないと認識しました。 グーグルのディープラーニング研究の責任者のインタビューもありました。 AIを難しい手の届かない技術に仕上げるのでなく、皆で使って活用してほしいという想いを感じました。 自分も、自分の仕事の中でAI活用考えてます。テンソルフローちょっと勉強してみます☺️ 「ディープラーニング」を学ぼうと考えてる方にオススメの一冊です❗

事業会社での導入事例もあり、いよいよ商用ベースで成り立ってきたことを実感。「学ぶ」というよりは、「ＡＩのご紹介」といった趣の本。

人工知能と機械学習、ディープラーニングの違いといった人工知能の基礎から入り、現在進行形で実際に企業で活用されている例から、中小企業が実際に導入するまで、幅広く解説した導入書。 はっきり言って人工知能の専門家になる予定が無いのなら、これぐらいの深さの内容を知っていたら十分だと思います。 むしろ中小企業への導入のステップは、たぶん一生使うことの無い知識なので斜め読みでした。 例に漏れず、アルファ碁が世界最強の囲碁棋士に勝ったところから人工知能に興味を持ち始めたけど、英文翻訳の精度がディープラーニングで飛躍的に上がった一方、コールセンターなどほとんどルーチンワークに思えるような分野ではAIはまだ適切に判断できないという件はとても興味深かったです。 むしろ、人間の能力が多岐にわたるので、大量の意思決定が必要なことも単純作業に見えてしまっているのではないかと思ったり。

AIについての概説なんだろうけど、文系のわたしにとっては読み進めるのが困難な部分もあった。ただAIの可能性は信じられるし、これにキャッチアップしとかないとAIに使われるだけの人間になりそう。

ディープラーニングとは何か？、その実用例などが記述されている一冊です。 例などがあることでディープラーニングがどういう所に実用しやすいかなどは大変分かりやすくなっておりよかったと思います。 また、ディープラーニングが使われているアプリなども紹介されており、そこら辺もディープラーニングを身近に感じられよかったかなと思います。 さらに今後どういう仕事の人が必要とされるかなど記述されていたのも面白く感じました。 逆に個人的にこの本に物足りなく感じたのが、今後へワクワクさせる感じです。 このようなディープラーニングという今後の事実を語る本にしては今後こういうことが可能になるかもという部分が少なくワクワクさせてくれる部分が少なく感じたのは残念に感じました。 ディープラーニングに関する基本的な現実をしっかり認識したい人などに特にオススメな一冊だと思います。

最近、各方面で耳にするAI・人工知能について、現業務で活用する道がないか探るべく、基礎知識を学ぶ目的で斜め読み。広く浅く、であれば前半だけで良いかも。後半はグーグルが公開するAI技術・サービスの概要や活用事例の紹介。 入力と出力、基本モデルを設定し、後は大量のデータを読み込ませて学ばせる。その機械の学習方法としてディープラーニングというモデルを階層化する方法がある点を理解した。 データベースに散在するテキストデータに基づいて受けた問い合わせに適切な案内を示すというのが現業の課題意識で、AIを十分活用できる分野ではないかという実感を持った。一方、基本的な仕組みや基本コンセプトと課題を解決する具体的なインプリメントには溝があり、その橋渡し・リソースをどう調達するかが鍵になると感じた。 「AIなら何でも解決できる」という魔法の言葉、漠然とした期待から、具体的に導入するためにはどういった要素を検討する必要があるか認識できただけでも、意義があった。

‪そもそもディープラーニングとは？という導入からグーグルや各企業での活用事例までまさに入門編として最適な一冊。グーグルが目指す世界のヒントがあるように思える第3章が特に面白かった。これだけの技術をオープン化するという発想が凄いし、その真の狙いはどこにあるのだろう？‬

【Deep Learningに関する基礎知識とGoogle事例、企業での活用事例がまとまっている】 難しい数式等も出てこないので、人工知能、機械学習とDeep Learningとはどう違うのか？Deep Learningの基礎知識を整理することができた。 また、Googleでの事例の中では、驚きもあった。 人工知能が単語ベース問題を出し、人間が20秒以内に描いたお絵描きを人工知能が評価する「Quick Draw」 ニューラルネットワークの学習を見える化した「Play Ground」 が特に面白い。

ディープラーニングの仕組みを初学者にもわかりやすく書かれています。 AIの概要をまずは掴みたい人にはオススメです。 現時点でどういったサービスが出ているのかもわかり、ボリュームもそれほどないので、さらっと読めてしまうと思います。 AIを極めたい！という方には少し物足りないかもしれません。

手取り早く情報を得たいならこの本で十分だけど、ネットで調べればわかるようなネタがまとめられているだけなので深みがまったくない。

環境が提供されることは喜ばしい一方で、GoogleのAIが着実に進化する、他社の追随を許さない状況を生み出している気がしてならない。

結局のところ、機械学習とディープラーニングの何が違うのかがわかりませんでした… ディープラーニングが大量の学習を繰り返す以外に、質的な違いがあるのかがわかりませんでした。

グーグールに学ぶディプラーニング　日経　BP社 人工知能と機械学習とディープラーニングの違い 人工知能をつくる上での方法と具体性の違い ウエブ上におけるビッグデータと言われる
間違いをも含めた会話と文を 片っ端から呑み込んでその言い回しをつかむことで 翻訳機能を向上させて行く仕組 人間がプログラムを作ることなく コンピューターが自分で多くの情報から 学んで作り上げていくシステムのことを
ディープラーニングと言う 意味がわかっているわけではないが 成り立ちを理解することで仕事をこなす機械学習の一つ 言葉だけでなく多くの姿形から漠然として抽象度の高い 種類分けなどを可能にするよりファジーな選択を目指す 具体的な部分の理解から大づかみの全体観を引き出す能力

現時点で、現実的にビジネスに活用できる企業、つまり、AIの導入効果が得られる企業は非常に限られているのではないか？と思う。 本書にも述べられているように、効率化したいと考える一見単純なルーティンワークでも、経験や工夫がモノを言う場面が多いこと、また、AIの活用の原資となるデータに乏しいのではないか？と思われること、から。 ただし、今後、AIが想像以上の進化を遂げ、かつ、安価に利用できることになるならば〜そんな時も想像以上に早く来るんだろうなぁ…〜働き方、求められる人材、賃金も劇的に変わるのでしょうね。

ディープラーニングを使った事例が多く紹介されていて、もうすでに、思ったより広く浸透しているのだなと感じた。 機械学習、ディープラーニング、ってなに、というところから概要を体系立てて説明してある。

前半の説明部分は良かったが、 後半の例部分が広く浅く記載されていて、得られるものが少なかった。 しかし、基本を知る、という意味では良かった本だと思う。

人工知能に関する周辺情報を効率よく知ることができた。 機械学習とディープラーニングの関係。機械学習以外の人工知能とは。 人工知能を活用するために必要なこと。人工知能を活用するために必要な人材とは。 など参考になった。

人工知能の超入門から機械学習そしてディープラーニングの位置づけを明確にしてのディープラーニングの説明でその輪郭をくっきりとと浮き出させる掴みは秀逸。グーグル社でのディープラーニングの活用として、自動運転やデータセンターの省エネ化からGoogle Home、Google フォト、機械翻訳などのサービス、そして、画像処理、音声認識、自然言語処理などのAPIやライブラリ（フレームワーク？）のテンソルフローを紹介し、企業の事例や活用のフレームワークを提示して未来を展望します。ディープラーニングやテンソルフローなどはもっと詳しい説明があったほうが良い気がしましたが、一般向けはこれが限界なのかもしれません、分野ごとに丹念に取材しているところが伺い知れる好著です。