Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Machine Learning As Software
Search
TajimaTheMemer
January 23, 2019
Programming
0
67
Machine Learning As Software
TajimaTheMemer
January 23, 2019
Tweet
Share
More Decks by TajimaTheMemer
See All by TajimaTheMemer
事業成長を加速させるGoのコード品質改善の取り組み / Code quality improvement for Go language
tajimathememer
5
2.2k
CronJobがschedule通りにJobを生成しない時
tajimathememer
0
1.2k
入門wasm
tajimathememer
0
97
ふわっと理解する類似画像検索技術
tajimathememer
0
150
Other Decks in Programming
See All in Programming
第3回 Snowflake 中部ユーザ会- dbt × Snowflake ハンズオン
hoto17296
4
360
ISUCON14公式反省会LT: 社内ISUCONの話
astj
PRO
0
180
CloudNativePGがCNCF Sandboxプロジェクトになったぞ! 〜CloudNativePGの仕組みの紹介〜
nnaka2992
0
220
Rails アプリ地図考 Flush Cut
makicamel
1
110
GitHub Actions × RAGでコードレビューの検証の結果
sho_000
0
240
Immutable ActiveRecord
megane42
0
130
AHC041解説
terryu16
0
590
[JAWS-UG横浜 #80] うわっ…今年のServerless アップデート、少なすぎ…?
maroon1st
1
170
Multi Step Form, Decentralized Autonomous Organization
pumpkiinbell
1
660
最近のVS Codeで気になるニュース 2025/01
74th
1
250
Kubernetes History Inspector(KHI)を触ってみた
bells17
0
200
Introduction to kotlinx.rpc
arawn
0
630
Featured
See All Featured
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
33
2.1k
Become a Pro
speakerdeck
PRO
26
5.1k
Designing on Purpose - Digital PM Summit 2013
jponch
117
7.1k
BBQ
matthewcrist
86
9.5k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
132
33k
Imperfection Machines: The Place of Print at Facebook
scottboms
267
13k
Statistics for Hackers
jakevdp
797
220k
RailsConf 2023
tenderlove
29
1k
GraphQLとの向き合い方2022年版
quramy
44
13k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
44
7k
Fashionably flexible responsive web design (full day workshop)
malarkey
406
66k
Code Review Best Practice
trishagee
66
17k
Transcript
Machine Learning As Software Makuake 社内 LT 2019/01/23 Tajima Taichi
今日話さないこと 機械学習の具体的な手法・アルゴリズムの説明 ※一般のソフトウェア開発者向けのお話です。
今日伝えたいこと 機械学習≠AI というよりも...
今日伝えたいこと 機械学習≒ソフトウェアの可能性を拡張する技術 と捉えるほうが適切という話(※私見)
機械学習とは データから目的の関数を生成する技術 ※全ての手法が、というわけではない。
例えば... AlphaGo(ゲームAI) 関数(機械学習モデル) 囲碁の盤面 最も勝率の高い 次の一手 シミュレータ環境上の打ち手データを使って...
例えば... Siri(音声認識) 関数(機械学習モデル) 音声波形 テキスト 音声とテキストのペアデータを使って...
例えば... Google翻訳(機械翻訳) 関数(機械学習モデル) 英語 日本語 日英の対訳データを使って...
例えば... Amazonの商品推薦(レコメンデーション) 関数(機械学習モデル) 行動、購買、 商品... ユーザーが 欲しがる商品 行動、購買、商品...データを使って...
近年、機械学習技術(特にDeep Learning)の進歩により 人手のコーディングでは表現が難しかった関数を データから生成することができるようになった
ソフトウェアとは 関数の集まり 機械学習とは データから目的の関数を生成する技術
機械学習≒ソフトウェアの可能性を拡張する技術
ここまでが今日伝えたかったこと
ここからは偉い人の話 (権威を笠に着る)
Software 2.0 Andrej Karpathy氏 (Director of AI at Tesla) によるエッセイ(2017年11月)
Software 1.0 人間がプログラミング言語で振る舞いを記述する 従来のソフトウェア開発 Software 2.0 ニューラルネット(Deep Learning)の重みパラメータで記述 される コーディングに人間が介在しない
なぜSoftware 2.0が重要か 現実世界の課題の大部分はプログラムを明示的に書くよりもデー タを収集するほうがずっと容易だから(ということらしい)
Software 2.0 例えば... 昔の Google翻訳は50万行のコードと多くのミドルウェア、 パイプラインなどで構成された大規模で複雑なソフトウェア (Software 1.0)
Software 2.0 現在の Google翻訳は500行のPythonコードとニューラル ネットの重みパラメータ(数百万)のファイルのみで構成され たソフトウェア(Software 2.0)
Software 2.0の良いところ① 均質な計算処理 Computationally homogeneous
Software 2.0の良いところ② チップに埋め込みやすい Simple to bake into silicon
Software 2.0の良いところ③ 実行時間が一定 Constant running time
Software 2.0の良いところ④ メモリ使用量も一定 Constant Memory Use
Software 2.0の良いところ⑤ 移植性が高い It is highly portable
Software 2.0の良いところ⑥ アジャイル It is very agile
Software 2.0の良いところ⑦ モジュール性 Modules can meld into an optimal whole
Software 2.0の良いところ⑧ お前らの書くコードより良い It is better than you
ただし、Software 2.0はSoftware1.0を 全て置き換えるものではない しかし、Software 2.0の適応範囲をますます広がっている
Software 2.0の記事から遡ること4ヶ月...
The future of deep learning Francois Chollet AI研究者, Keras(AIの民主化)の開発者 @Google
によるエッセイ(2017年7月)
The future of deep learning Software 2.0以降のソフトウェア開発の 具体的な素描 “Models As
Programs”
The future of deep learning Algorithmic subroutine: Software 1.0 Geometric
subroutine: Software 2.0 これからのソフトウェア開発
The future of deep learning もっと先の未来のソフトウェア開発 →自動化が進む
Machine Learning As Software時代の開発ツール Tensorflow Hub 学習済みの機械学習モデルのモジュールを共有するプラットフォーム Comet ML 機械学習モデルのバージョン管理・チーム開発ツール
Google Dataset Search データセット専用の検索エンジン
まとめ 機械学習という技術を適切に捉え、 適切に使っていきましょう。 (使わないという選択をする上でも大事。)