google-site-verification: googlec11dd3c59de6bdc4.html
人工知能はどこまで人間に迫るのか
How close will artificial intelligence get to humans?
深層学習

2)深層学習と分光スペクトル

カオリナイトなどの変質鉱物を可視から短波長赤外域の光の元に曝しその反射の吸収ピークは鉱物特有の波長位置に認められ、時には吸収ピークの位置が数nmの違いで他の変質鉱物と区別される。

しかし、近年普及が進んでいる安価な分光器では、波長校正後も波長方向の誤差が数nm程度ある場合が認められ、誤同定の要因になっている。

また、目視で変質鉱物を同定する際には、どの波長域の吸収スペクトルのどのような性状に注目すべきかを、鉱物の反射スペクトルに関する専門知識を持った人間が判断しなくてはならない。

深層学習は人間の脳神経回路をモデルにした多層構造アルゴリズムで、自ら学習しデータに潜む特徴量を抽出する。この深層学習を用いることで、波長方向の誤差の問題及び吸収スペクトルのどこに注目して特徴を取り出すかは、深層学習に任せることができる。

深層学習は多段のニューラルネットワークからなり学習データから自動的に特徴量を抽出する。

深層学習がビックデータを学習し、抽出したデータ間の相関関係を特徴量(画像認識の場合、例えば各々の顔の作りが特徴量になり、分光スペクトルの場合、吸収ピークの位置・形・深さ等が特徴量になる)を抽出する。

従来は、データの特徴量を読み解き、手法の選択、分析を行うのは研究者の力量に負うところが多かったが、深層学習は研究者の力量を不要にして、より高度な解析を可能にしたことが近年の大きなブレークスルーである。

しかし、深層学習による解析の一部分は証明がなされておらずブラックボックス化しており、この分野の同定に適用できるかは未知数である。

トップページへ