Machine Learning As Software

Transcript

1. Machine Learning As Software Makuake 社内 LT 2019/01/23 Tajima Taichi
2. 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。
3. 今日伝えたいこと 機械学習≠AI というよりも...
4. 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)
5. 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。
6. 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...
7. 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...
8. 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...
9. 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...
10. 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
11. 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
12. 機械学習≒ソフトウェアの可能性を拡張する技術
13. ここまでが今日伝えたかったこと
14. ここからは偉い人の話 (権威を笠に着る)
15. Software 2.0 Andrej Karpathy氏 (Director of AI at Tesla) によるエッセイ(2017年11月)
16. 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
17. 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)
18. 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)
19. 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)
20. Software 2.0の良いところ① 均質な計算処理 Computationally homogeneous
21. 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
22. Software 2.0の良いところ③ 実行時間が一定 Constant running time
23. Software 2.0の良いところ④ メモリ使用量も一定 Constant Memory Use
24. Software 2.0の良いところ⑤ 移植性が高い It is highly portable
25. Software 2.0の良いところ⑥ アジャイル It is very agile
26. Software 2.0の良いところ⑦ モジュール性 Modules can meld into an optimal whole
27. 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
28. 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
29. Software 2.0の記事から遡ること4ヶ月...
30. 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)
31. 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”
32. 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
33. 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
34. 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
35. 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。)