この記事は、 Futurityとの協力により掲載されています。
科学者らは、人間の学習能力を捉えたアルゴリズムを開発し、コンピューターが簡単な視覚的概念を認識し描画できるようにしました。その結果は、人間が作成したものとほとんど区別がつかないものです。
本研究は、学術誌『 Science』に掲載されたもので、コンピューターが新しい概念を“学習”するのに要する時間を劇的に短縮し、より創造的な課題への応用の幅を広げるものです。
“私たちの結果は、人がある問題をどのように考えるかをリバースエンジニアリングすることで、より優れたアルゴリズムを開発できることを示しています”と、ニューヨーク大学のモーア＝スローン・データサイエンス・フェローであり、本論文の筆頭著者であるBrenden Lake氏は説明します。“さらに、この研究は、他の機械学習の課題においても、そのギャップを埋めるための有望な手法を示しています。”
人間は、新しい概念（キッチン用品、新しいダンスの動き、見慣れないアルファベットの新しい文字など）に触れると、その構造を理解し、新しい事例を認識するのに、わずか数例で足りることが多いものです。機械は現在、かつては人間だけが行っていたパターン認識の作業（例えば、小切手に書かれた数字を読み取るATMなど）を再現できるようになりましたが、同等の精度で機能させるには、通常、数百から数千の事例を与える必要があります。
“新しい概念を学習する際に、人間と同じくらい少ないデータしか必要としない機械を作ることは、非常に困難でした”と、トロント大学のコンピューターサイエンス助教授であり共著者のRuslan Salakhutdinov氏は述べています。“こうした能力を再現することは、機械学習、統計学、コンピュータービジョン、認知科学を結びつける、刺激的な研究分野です。”
文字「A」の例
Salakhutdinov氏は、ほぼ10年前に、博士課程の指導教員であるGeoffrey Hintonとともに『Science』に発表した論文で、「深層ニューラルネットワーク」を用いた学習への近年の関心の高まりを後押ししました。彼らのアルゴリズムは、手書き文字の10種類の概念（数字0〜9）の構造を、それぞれ6,000件の例から学習しました。合計で60,000件の学習事例です。
今回の研究で研究者たちは、学習過程を短縮し、人間が新しい知識を習得して応用する方法により近いものにすることを目指しました。すなわち、少数の例から学習し、概念の新しい事例の生成やまったく新しい概念の生成など、さまざまな課題を遂行するというものです。
[コンピューターが錯視に引っかかるようになる]
そのために研究者らは、概念を単純なコンピュータープログラムとして表現する「Bayesian Program Learning」（BPL）フレームワークを開発しました。例えば、文字「A」は、プログラムを実行すると「A」の事例を生成する、コンピュータープログラマーの作業に似たコードによって表現されます。しかし、学習過程においてプログラマーは不要です。アルゴリズムは、目にした文字を生成するためのコードを構築することで、自らプログラムを作るのです。
また、実行のたびに同じ出力を生成する従来のコンピュータープログラムとは異なり、これらの確率的プログラムは、実行ごとに異なる出力を生成します。これにより、概念の事例がどのように変化するか（例えば、二人の人物が文字「A」を書く際の違い）を捉えることができます。
学習の学習
標準的なパターン認識アルゴリズムが概念をピクセルの配置や特徴の集合として表現するのに対し、BPLのアプローチは、世界の事象の「生成モデル」を学習し、学習を「モデル構築」や、アルゴリズムに与えられたデータの「説明」の問題にします。
[ロボットも赤ちゃんと同じように遊びながら学習できる]
文字の書字と認識の場合、BPLは実世界の過程の因果的特性と構成的特性の両方を捉えるよう設計されており、アルゴリズムがデータをより効率的に利用できるようにしています。このモデルはまた、以前の概念から得た知識を用いて新しい概念の学習を速めることで、“学習の学習”も行います。例えば、ラテン文字の知識を用いてギリシャ文字を学習するといった具合です。
著者らは、このモデルを、サンスクリット語、チベット語、グジャラート語、グラゴール文字など、世界の50の書記体系にわたる1,600種類以上の手書き文字に適用し、さらにはテレビシリーズ『Futurama』に登場するような架空の文字にまで適用しました。
チューリング・テスト
著者らは、概念の新しい事例を認識するアルゴリズムの能力をテストすることに加え、人間とコンピューターの双方に対し、各文字の単一の例を見せられた後に、一連の手書き文字を再現するよう求めました。また、場合によっては、見せられた文字のスタイルに沿った新しい文字を作成するよう求めました。その後、科学者らは「視覚的チューリング・テスト」を通じて、人間と機械の出力を比較しました。ここでは、審査員に、人間と機械の出力の対になった事例を元の指示とともに提示し、どの記号がコンピューターによって生成されたものかを特定するよう求めました。
[アルゴリズムが写真に写っているものを識別できる]
正答率は文字によって異なりましたが、どの視覚的チューリング・テストにおいても、機械と人間のどちらが特定の記号の組を生成したかを判定する際に、偶然よりも有意に高い成績を示した審査員は25パーセント未満でした。
“子どもは幼稚園に入る前に、たった一つの例から新しい概念を認識することを学び、まだ見たことのない新しい事例を想像することさえできます”と、共著者でマサチューセッツ工科大学（MIT）の脳・認知科学科および「Center for Brains, Minds and Machines」の教授であるJoshua Tenenbaum氏は述べています。
“私は、博士課程の研究を行っていた90年代後半から、こうした驚くべき能力のモデルを構築したいと考えてきました。私たちはまだ、人間の子どものように賢い機械を作るには程遠いですが、これは初めて、手書き文字のような単純な視覚的概念を含む多くの現実世界の概念を学習し、利用できる機械を実現したものです。その方法は、人間のものと見分けがつきにくいものです。”
本研究は、MITのCenter for Brains, Minds and Machinesに対する全米科学財団の助成金、陸軍研究局、海軍研究局、およびニューヨーク大学のモーア＝スローン・データサイエンス環境からの支援を受けました。
掲載されていることは、世界経済フォーラムによる見解の支持を意味するものではありません。
Agendaの最新情報を追うには、 週刊ニュースレターを購読してください。
執筆者：James Devittは、ニューヨーク大学のメディア広報担当副ディレクターであり、Futurityの寄稿者でもあります。
画像：ワルシャワでコンピューターのキーボードを打つ男性。REUTERS/Kacper Pempel。
