Ｔｅｃｈ × Ｂｏｏｋｓ ｐｌｕｓシリーズ ディープラーニングを支える技術〈２〉ニューラルネットワーク最大の謎

岡野原 大輔【著】

技術評論社（2022/05発売）

• サイズ A5判／ページ数 271p／高さ 21cm
• 商品コード 9784297128111
• NDC分類 007.1
• Cコード C3055

出版社内容情報

初学者の方々に向け、ディープラーニングの発展技術をまとめた解説書。
ディープラーニングは現在のAI/人工知能の発展の中核を担っており、スマートフォンからIoT、クラウドに至るまで幅広い領域で、画像、音声、言語処理をはじめとした多くの対象分野に浸透し、目覚ましい進展をもたらしています。
ディープラーニングの今の基本をまとめた前作に続き、本作ではニューラルネットワークにおける大きな謎である「なぜ学習できるのか」「なぜ汎化するのか」にスポットを当て平易に解説。合わせて、将来的な革新の可能性を秘める二大トピックとして、「生成モデル」「深層強化学習」も詳しく取り上げます。そして、4つのテーマのもと、ディープラーニングや人工知能について課題を整理し、今後を考えていきます。
多様な問題を一つのアプローチ、アルゴリズムで解ける驚異的な技術。ディープラーニングが一段と進化していく将来につながる、長く役立つ原理、原則、考え方を紐解く1冊です。

内容説明

技術／性能の追求は、人自身の能力を飛躍的に高め、新たな領域を切り開く。先端の情報や知識を俯瞰し、何が本質的な問題なのか、原理／原則は何か、「考える過程」を辿ります。

目次

第０章　ディープラーニングとは何か―表現学習とタスク学習、本書解説の流れ
第１章　ディープラーニングの最適化―なぜ学習できるのか
第２章　ディープラーニングの汎化―なぜ未知のデータをうまく予測できるのか
第３章　深層生成モデル―生成を通じて複雑な世界を理解する
第４章　深層強化学習―ディープラーニングと強化学習の融合
第５章　これからのディープラーニングと人工知能―どのように発展していくか

著者等紹介

岡野原大輔［オカノハラダイスケ］
２０１０年東京大学情報理工学系研究科コンピュータ科学専攻博士課程修了（情報理工学博士）。在学中の２００６年、友人らとＰｒｅｆｅｒｒｅｄ　Ｉｎｆｒａｓｔｒｕｃｔｕｒｅを共同で創業、また２０１４年にＰｒｅｆｅｒｒｅｄ　Ｎｅｔｗｏｒｋｓを創業。現在はＰｒｅｆｅｒｒｅｄ　Ｎｅｔｗｏｒｋｓの代表取締役ＣＥＲおよびＰｒｅｆｅｒｒｅｄ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｃｈｅｍｉｓｔｒｙの代表取締役社長を務める（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[ぶう]

ディープラーニングを支える技術の続編。著者は同じくPFNの岡野原さん。年初に出した本の続編がこんなに直ぐに出るの？と驚いたが、元々は一冊で出版する予定だったものをあまりにボリュームが多いため２冊に分けたとのこと。基本部分をまとめた前著と比較し、今回はテーマ毎に深掘するような内容。テーマは「なぜ学習できるのか」、「なぜ汎化するのか」、「生成モデル」、「深層強化学習」の4つ。特に前２つはなかなか他書にないテーマのため大変面白かった。最終章には今後のテーマになり得るポイントがまとめられており、こちらも興味深い。

2022/04/28

[Nobu A]

上巻に続き、下巻も読了。と言っても正直一知半解。そもそも近所の公民館で実施される講座「生成AIを知ろう触ってみよう」を受講前に予習したく購入したもの。プログラミングもやらない門外漢には新刊定価購入はかなり痛い出費。最終章のディープラーニングと人工知能の今後の可能性と展望はそれなりに勉強なったが、本文中の夥しい数の専門用語ははっきり言ってチンプンカンプン。日本語の上澄みだけを舐めているだけの感覚。受講中に何かしらの役に立ったと感じるだろう。いつか再読したい。いや、多分しないだろうな。

2024/09/02

[まじぇすた]

前作に引き続き素晴しい内容。深層学習モデルの汎化性能の高さを現在分かっている最新の理論で分かりやすく説明する（第2章）。また、深層生成モデル（いま流行りの拡散モデル）の説明も良かった。続く深層強化学習は覚える用語が次々に出てきて読み通すのがとても大変だったけど、いつも難しいから後回しにしていた強化学習の理解が進んで嬉しい。前作よりもさらに濃密な内容となっているため、ページ数は前作より少ないのに前作の2倍位の分量に感じる。今回も非常に勉強になったけど濃密すぎて気力を使い果たした。。。

2022/12/27

[R]

最先端のDLに追いつきたいため、1を途中にして読了。8割位理解できたと思うが、直感的にわからない部分も多かったのでそこは参考文献も追って学びをさらに深くできればと思う。汎化の話は目的関数の形状を踏まえていてわかりやすく、生成モデルはVAE、GANなどについて、深層強化学習についても基礎概念からAlphaGoとその拡張、最後のトピックも現在の到着地点、今後の展望はどうかという形で、途中数式も入れつつ、イメージ醸成のために例示も多く取り入れていて、バランスの取れたわかりやすい解説書だと思った。

2022/05/05

[デコボコ]

○ 突貫で書いたらしきタイポは多いですが、よくまとめられていて文献もしっかり引かれています

2023/03/18