Deep Learning & AI Assistant Summit:1日目

こんにちは、CTO長谷川です。

サンフランシスコで開催されているディープラーニングサミットにやってきました。2018年1月25日から二日間に渡り開催されています。ディープラーニングトラックとAIアシスタントトラックという二つのトラックに別れていて、私はディープラーニングトラックに参加しました。といいつつも、元アップルでの同僚のRushin Shah(現在はフェースブック)がAIアシスタントトラックでスピーカーをしていたので、そのプレゼンだけちら見しに行きました。

 Rushin Shah氏。フェースブックの自然言語処理についてプレゼンする

Rushin Shah氏。フェースブックの自然言語処理についてプレゼンする

ディープラーニングサミットの方は、こちらのスケジュールにある通り、セオリー、画像認識、自然言語処理、強化学習、レコメンと検索など、幅広い分野でのプレゼンテーションがありました。

GANを発明したことと、ディープラーニングの教科書を作ったことで知られるIan Goodfellow氏が自らGANについての解説と、その応用例をいくつか紹介していました。GANとはGenerative Adversarial Networkの略で、ゲーム理論と機械学習を融合させ、ニューラルネットワーク同士を対決させようという発想です。Generatorというニセモノを作るためのネットワークと、Discriminatorという本物か偽物かを判別するネットワークが対決していくことによって、Generatorはより現実味のある偽物を作れるようになるという仕組みです。応用例としては、例えば教師データが少ない中でGANが生成したデータを教師データとして使ってしまうというものがありました。具体的には、自動運転の応用例で、夜間は運転しているクルマが少ないことから、夜の時に車を識別するニューラルネットワークを学習するためのデータが不足しているという問題に対して、「昼間クルマが運転している画像」と「夜の画像」を組み合わせて「夜クルマが運転している風景」を人工的に生成して学習データにする例などをあげていました。おまけにプレゼンの後はサイン会が開かれていて、多くの人が彼の教科書にサインを求めていました。

 教科書にサインするIan Goodfellow

教科書にサインするIan Goodfellow

他にも以下のようなプレゼンテーションがありました。

  • Disney Researchがスポーツの戦術に機械学習を応用して、「この瞬間プレーヤーがどこにいるべきか」を予測するモデル
  • 動画から、次に何が起こるかを予測するモデル。例えば、二人の人間がいて、次に起こることがキス、抱擁、ハイタッチのうちどれかを予測するモデル
  • フェースブックのユーザーのうち、約10億人がモバイルのみのユーザーである現状を受けて、モバイル端末でディープラーニングが高速で動くようにするための手法
  • ELMOという自然言語の言葉単位だけではなく、文脈からも意味を読み取れるシステム
  • 強化学習で、タスクの組み合わせを実現できるロボット。例えば、「ボールを投げる」と「箱を拾う」を教えて、「箱を投げる」ということが実演できるロボット
  • Netflixが映画のレコメンに使っている各種手法の紹介