不幸な人工知能 〜尊敬と軽蔑の狭間で揺れるニューラルネットワーク：Over the AI ―― AIの向こう側に（21）（5/9 ページ）

「バカの人」判定システムで説明してみる

　さて、このニューラルネットワークを説明するのに、今回は、和田秀樹さんの「「バカの人」相手に感情的にならない本」（2016年、文芸社）の内容を使わせて頂き、説明したいと思います。

　この本は、「バカの人」を分類してそれぞれに対する対処方法（他人との対応だけでなく、自分の「バカの人」化の傾向と対策も含めて）をまとめたものです。

　今回は、「バカの人」を分類する手段として、ニューラルネットワークを使った（架空の）「「バカの人」判定システム」を想定してみたいと思います。

　いろいろツッコミはあると思いますが、上記の3つの入力データ（X0、X1、X2）を作ることができれば、自分自身が、どの種類の「バカの人」に当てはまりそうかを判別できる ―― と、ここでは仮定してください。

　さて、このような「「バカの人」判定システム」をロジック化して実装する（プログラミングする）のは、絶望的に難しい（というか、無理）です。理由としては、条件分岐が多すぎて、簡単に組合せ爆発を起すことになる、などが上げられます。

　もし「バカの人」を募集して（集まるかどうかは、さておき）、その人のデータを取ることができて、それをニューラルネットワークに丸暗記させることができれば、この「「バカの人」判定システム」は実現できます。

　「どの「バカの人」に分類すべきか」（Y0,Y1,Y2,Y3.Y4）を含めて、データ化（数値化）は人間ががんばってやらなければなりませんが、それでもプログラムするよりはずっとマシです。

　そして、この入力データ（X0,X1,X2）と、出力データ（Y0,Y1,Y2,Y3.Y4）を数値化して、この入力データと同じ値を入力すれば、かならず、この出力データと同じ値がでてくるように、ニューラルネットワークを、ビシバシと痛めつけ……もとい、鍛えます。

　これが、逆伝搬学習 ―― バックプロパゲーションです。

　入力データに対して、ニューラルネットワークが期待通りの出力値を出力しない場合、バックプロパゲーションは、それを「強制的に矯正する」ものです。具体的には、ニューロンとニューロンをつなぐシナプス（結合値）の値を、少しずつ変化させていきます。

　100人の「バカの人」のデータがあれば、100人分を丸暗記させます。ニューラルネットワークには、何回も繰り返し暗記作業を強制します。この暗記作業の回数は、例えば、1000〜1000万回まで、さまざまです。

　ニューラルネットワークがこの100人分を全部完璧に覚えれば、誤差がなくなりますので、そこで学習は完了することになります。

　しかし、実際のところ1000回でも、それ以上でも、学習が完了するのであれば、幸せなことですが、大抵の場合、そううまくはいきません（後述します）。

　さて、ここで、100人分のデータの学習が完璧に完了したとします。ここに、学習データで使わなかった、江端の入力データ（例えば、（X0,X1,X2）=（0.5,0.7,0.8））を入力します。

　100人分の知見を覚えたニューラルネットワークは、その100人と全く同一でない値を入れたとしても、出力値を出してきます。そして、その値は、おおむね100人のバカの人のデータの間を補完した値（補完解）が出てくることが「期待されます」 ―― が、実際は、そううまくもいかないことが多いのです（後述）。

　しかし、このニューラルネットワークの「強制的に矯正する」の考え方は、現実でも普通に使われています。例えば、リハビリです。

　交通事故なので、ゲカをすると、ケガをした場所（例えば、脚や腕）が、従来の脳細胞（ニューロン）とつながっているところが異なってくるため、物理的にケガが直っても、脚や腕は動かせないままです。

　そこで、このニューロンのシナプス接続を「強制的に矯正する」のが、リハビリです。つまり、リハビリとは、バックプロパゲーションそのものなのです。