9月10日、VentureBeatで「深層学習と古典的アルゴリズムの融合を目指すDeepMind」が公開された。
DeepMind aims to marry deep learning and classic algorithms | VentureBeat
データの爆発的な増加に伴い、あらゆるアプリケーションがデータアプリケーションになっている。
深層学習がその期待に応えるためには、古典的なコンピュータサイエンスのアルゴリズムがどのように機能するかを吸収しなければならない。
汎用人工知能(AGI)を作ることを目標に2010年に設立されたDeepMindから、Neural Algorithmic Reasoning(NAR)研究が生まれた。
NARは深層学習と古典的なコンピュータサイエンスの世界を橋渡しして、深層学習であらゆることができるようにすることに照準を合わせている。
NARの重要なテーゼは、アルゴリズムは深層学習法とは根本的に異なる性質を持っているということだ。
このことは、もし深層学習法がアルゴリズムを模倣することができれば、アルゴリズムで見られるような一般化が深層学習でも可能になることを示唆している。
このアプローチが成功すれば、AIやソフトウェアに革命を起こすことができるだろう。
この記事では、研究のスタートとして、アルゴリズムと深層学習の特性を整理し、違いを把握する内容になっている。
目次
- アルゴリズムと深層学習:両方の世界の長所を活かして
- ディープラーニングは一般化できない
- アルゴリズムは最適ではない解決策を導く可能性がある
- なぜ深層学習なのか?データの表現について
DeepMind aims to marry deep learning and classic algorithms | VentureBeat