ニューラルネットワークからディープラーニングへ ⑩

写真撮影日：2024/3/17～18 島根県川本町～岡山県備北地域

写真上：島根県だけに自生する「イズモコバイモ」（ユリ科・多年草）

　　　　白い可憐な花たちは季節を告げる「春の妖精」

.................................................................................................................................................

 

　前回「…ニューラルネットワークの原形は『マッカロック・ピッツ　モデル』で、マッカロックは外科医・神経科学者で、ピッツは数学者という異色コンビでした」。さらに「…1958年に米国・心理学者のフランク・ローゼンブラットは『パーセプトロン』を発表し、このパーセプトロンモデルの出現で世界中が熱狂し、1960年代に『第一次ニューラルネットワークブーム』が起きました」と書きました。

 

　そして近年2010年代になると「深層学習のパイオニア」と称されるジェフリー・ヒントン（Geoffrey Hinton）氏が登場し、グーグルでエンジニアリング・フェローを10年間務めました。経歴は「コンピューター科学および認知心理学研究者」です。しかし彼は2023/5月、「生成AIの危険性をより自由に語っていきたい」とグーグル社を退社しました。

 

　私自身も認知心理学で学び、先生の牧岡省吾教授（大阪公立大学・現代システム科学研究科）は、認知心理学者・統計学者であり、コンピューター言語やアルゴリズム、モデルにも詳しいです。ディープラーニングでは中間層の計算関数が「統計検定法」であることから、認知心理学や心理統計学の影響がかなり強いようだと感じます。

 

　さて「統計」といえば、かなり以前ですがこのブログに「『敵の敵は味方』みたいな論理は本当に正しいの？」と書きました。つまり検定法では否定する前提の「帰無仮説（きむかせつ）」を立て、「許容誤差を5%（信頼度95%）とか10%（同90%）」などと設定し、それぞれの関数に従って計算後に、たとえば「帰無仮説が否定されたので、誤差5%でデータの信頼度が証明される」などの答えが出るのです。

 

　私にとっては「帰無仮説」という考え方も初めてだったし、誤差を自分で設定するという曖昧さに「まゆつばもの？」と感じてしまったのでした～。だけど重要な条件がありました。

 

　それは「母集団（調査の対象となる集団）」が正規分布（平均値、最頻値、中央値が一致し、それを軸として左右対称となる山形のグラフ）と想定される場合は、「データ数やサンプル数が多いほど誤差が少なく信頼度もあがる」という事実です。つまりビッグデータと統計学はとても相性が良かったのです。

 

　ですが現在のように桁外れのビッグデータになると、選択したデータの本質的内容・構造とか、正規分布の想定といった要素はあまり関係なく、スーパーコンピューターがそれこそ自動で解析するのかな。依然として曖昧でごめんなさい。

　　　　＊＊＊　つづく　＊＊＊

 

写真上下：例年の開花は㋁下旬～㋂下旬だけど、やはり今年は早かったそう。

　　　　　でも残っていて良かった！

　川本町ではその他「セリバオウレン、ショウジョウバカマ、ヒメウズ、オオタチツボスミレ…」などの貴重な山野草も多く、町をあげて守っています。この日「観察とウォーキングのイベント」に参加し、元気な中学ガールたち手作りのぜんざいを頂きました～！ごちそうさまでした。

 

　写真下：岡山県「平松カタクリ園」ではやや小さい「ホソバナコバイモ」

　　　　　その下はやはり春を告げる「フクジュソウ」