Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Machine Learning As Software
Search
TajimaTheMemer
January 23, 2019
Programming
0
79
Machine Learning As Software
TajimaTheMemer
January 23, 2019
Tweet
Share
More Decks by TajimaTheMemer
See All by TajimaTheMemer
事業成長を加速させるGoのコード品質改善の取り組み / Code quality improvement for Go language
tajimathememer
5
2.6k
CronJobがschedule通りにJobを生成しない時
tajimathememer
0
1.4k
入門wasm
tajimathememer
0
120
ふわっと理解する類似画像検索技術
tajimathememer
0
160
Other Decks in Programming
See All in Programming
Microsoft Orleans, Daprのアクターモデルを使い効率的に開発、デプロイを行うためのSekibanの試行錯誤 / Sekiban: Exploring Efficient Development and Deployment with Microsoft Orleans and Dapr Actor Models
tomohisa
0
210
20250808_AIAgent勉強会_ClaudeCodeデータ分析の実運用〜競馬を題材に回収率100%の先を目指すメソッドとは〜
kkakeru
0
200
WebAssemblyインタプリタを書く ~Component Modelを添えて~
ruccho
1
910
技術的負債で信頼性が限界だったWordPress運用をShifterで完全復活させた話
rvirus0817
1
2.1k
開発チーム・開発組織の設計改善スキルの向上
masuda220
PRO
13
7.6k
A Gopher's Guide to Vibe Coding
danicat
0
170
CSC305 Summer Lecture 04
javiergs
PRO
1
110
The Past, Present, and Future of Enterprise Java
ivargrimstad
0
170
Portapad紹介プレゼンテーション
gotoumakakeru
1
130
Claude Codeで実装以外の開発フロー、どこまで自動化できるか?失敗と成功
ndadayo
2
1.3k
兎に角、コードレビュー
mitohato14
0
150
AI時代のドメイン駆動設計-DDD実践におけるAI活用のあり方 / ddd-in-ai-era
minodriven
23
9k
Featured
See All Featured
How to Think Like a Performance Engineer
csswizardry
25
1.8k
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.4k
Done Done
chrislema
185
16k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
15
1.6k
Building Flexible Design Systems
yeseniaperezcruz
328
39k
We Have a Design System, Now What?
morganepeng
53
7.7k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
183
54k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
How GitHub (no longer) Works
holman
315
140k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
33
2.4k
Music & Morning Musume
bryan
46
6.7k
Transcript
Machine Learning As Software Makuake 社内 LT 2019/01/23 Tajima Taichi
今日話さないこと 機械学習の具体的な手法・アルゴリズムの説明 ※一般のソフトウェア開発者向けのお話です。
今日伝えたいこと 機械学習≠AI というよりも...
今日伝えたいこと 機械学習≒ソフトウェアの可能性を拡張する技術 と捉えるほうが適切という話(※私見)
機械学習とは データから目的の関数を生成する技術 ※全ての手法が、というわけではない。
例えば... AlphaGo(ゲームAI) 関数(機械学習モデル) 囲碁の盤面 最も勝率の高い 次の一手 シミュレータ環境上の打ち手データを使って...
例えば... Siri(音声認識) 関数(機械学習モデル) 音声波形 テキスト 音声とテキストのペアデータを使って...
例えば... Google翻訳(機械翻訳) 関数(機械学習モデル) 英語 日本語 日英の対訳データを使って...
例えば... Amazonの商品推薦(レコメンデーション) 関数(機械学習モデル) 行動、購買、 商品... ユーザーが 欲しがる商品 行動、購買、商品...データを使って...
近年、機械学習技術(特にDeep Learning)の進歩により 人手のコーディングでは表現が難しかった関数を データから生成することができるようになった
ソフトウェアとは 関数の集まり 機械学習とは データから目的の関数を生成する技術
機械学習≒ソフトウェアの可能性を拡張する技術
ここまでが今日伝えたかったこと
ここからは偉い人の話 (権威を笠に着る)
Software 2.0 Andrej Karpathy氏 (Director of AI at Tesla) によるエッセイ(2017年11月)
Software 1.0 人間がプログラミング言語で振る舞いを記述する 従来のソフトウェア開発 Software 2.0 ニューラルネット(Deep Learning)の重みパラメータで記述 される コーディングに人間が介在しない
なぜSoftware 2.0が重要か 現実世界の課題の大部分はプログラムを明示的に書くよりもデー タを収集するほうがずっと容易だから(ということらしい)
Software 2.0 例えば... 昔の Google翻訳は50万行のコードと多くのミドルウェア、 パイプラインなどで構成された大規模で複雑なソフトウェア (Software 1.0)
Software 2.0 現在の Google翻訳は500行のPythonコードとニューラル ネットの重みパラメータ(数百万)のファイルのみで構成され たソフトウェア(Software 2.0)
Software 2.0の良いところ① 均質な計算処理 Computationally homogeneous
Software 2.0の良いところ② チップに埋め込みやすい Simple to bake into silicon
Software 2.0の良いところ③ 実行時間が一定 Constant running time
Software 2.0の良いところ④ メモリ使用量も一定 Constant Memory Use
Software 2.0の良いところ⑤ 移植性が高い It is highly portable
Software 2.0の良いところ⑥ アジャイル It is very agile
Software 2.0の良いところ⑦ モジュール性 Modules can meld into an optimal whole
Software 2.0の良いところ⑧ お前らの書くコードより良い It is better than you
ただし、Software 2.0はSoftware1.0を 全て置き換えるものではない しかし、Software 2.0の適応範囲をますます広がっている
Software 2.0の記事から遡ること4ヶ月...
The future of deep learning Francois Chollet AI研究者, Keras(AIの民主化)の開発者 @Google
によるエッセイ(2017年7月)
The future of deep learning Software 2.0以降のソフトウェア開発の 具体的な素描 “Models As
Programs”
The future of deep learning Algorithmic subroutine: Software 1.0 Geometric
subroutine: Software 2.0 これからのソフトウェア開発
The future of deep learning もっと先の未来のソフトウェア開発 →自動化が進む
Machine Learning As Software時代の開発ツール Tensorflow Hub 学習済みの機械学習モデルのモジュールを共有するプラットフォーム Comet ML 機械学習モデルのバージョン管理・チーム開発ツール
Google Dataset Search データセット専用の検索エンジン
まとめ 機械学習という技術を適切に捉え、 適切に使っていきましょう。 (使わないという選択をする上でも大事。)