深層ニューラルネットワークのブラックボックスを開く


「深いニューラルネットワーク」として知られる機械 が車を運転して会話を学んだとしてもビデオゲーム Goチャンピオン、夢、ペイントピクチャ、そして科学的発見を助けるために、いわゆる「ディープラーニング」アルゴリズムがうまく動作することを期待していなかった人間クリエイター。

脳の構造から派生したあいまいなインスピレーション以外に、これらの学習システムの設計を導く基本的な原則はありません。 Quanta Magazine
著者写真 "data-reactid =" 258 "/> 

<h5 class=

Quanta Magazineの許可を得て元の記事を転載。サイモンズ財団は、数学や物理・生命科学の研究開発や動向をカバーして科学の一般的理解を高めることを使命としています。

脳と同様に、深いニューラルネットワークには、コンピュータメモリの要素である人工的なニューロンの層があります。ニューロンが発火すると、上の層の接続されたニューロンに信号を送ります。深い学習の間、ネットワーク内の接続は、入力データ(犬の写真のピクセルなど)からの信号を送信する際のシステムをより良くするために、必要に応じて強化または弱められます。深いニューラルネットワークが数千の標本犬の写真から「学習」した後、新しい写真の犬を正確に人々が識別できるように識別することができます。特別なケースから一般的な概念への魔法の飛躍は、人間の推論、創造性、そして「インテリジェンス」と総称される他の学問の根底にあるように、深いニューラルネットワークに力を与えます。 Lucy Reading-Ikkanda / Quanta Magazine

先月ベルリンで開催された YouTubeビデオは、人工知能研究者の間で広く共有されています。講演では、エルバレムのヘブライ大学のコンピューター科学者で神経科学者であるNaftali Tishby は、深い学習の仕組みを説明する新しい理論を支持する証拠を示しました。 Tishbyは、深い神経回路網は、情報ボトルネックと呼ばれる手続きに従って学習すると主張している。彼と二人の共同研究者は、1999年に純粋に理論的に記述した。このアイデアは、一般的な概念に最も関連する機能のみを保持しているように、ネットワークがボトルネックを介して情報を絞っているかのような、無関係な詳細の入力データを除去するという考えです。

Tishby's(19459036)