ITスペシャリストが語る芸術

-The Kay Notes-
コンピューターシステム開発技術者、サイコパスのKayのブログ

ディープラーニング

当ブログは、第一期ライブドア奨学生ブログです。
◇お知らせ
[2017/03/01]「通りすがり」「名無し」「読者」「A」等のハンドル名のコメントは原則削除します。
[2016/11/21]滅多にはありませんが、あまりにレベルが低いコメントは公開しません。
[2011/06/08]迷惑コメントが多くあったため、やむなく、コメントを承認後公開することとしました。

古文マニア、英語マニア、数学マニア、プログラミングマニアの被害から免れる

日本の古典の名作は原文で味わって欲しいと言う文学者がいる。
私も以前は、それに賛成していたが、今ではそれは、「極めて古文に強い人は」と書かない限り欺瞞(だますこと)だと思うほどになった。
古文の言い方は、精通していないと、肯定と否定の区別が付かないことも多いと思う。
それで、ある重要な物の理に関し、原文は否定しているのに、私は、ずっと肯定だと理解していた・・・ということがいくつかあった。
極端に例えて言えば、原文では「人殺しは善くない」と書いてあるのを、読み慣れない古文の言い回しのせいで、私は、「人殺しは善い」と理解していたという訳だ。
古文の本当の専門家であれば、正確な意味が伝わるよう、分かり易く現代語訳してこそ値打ちがあるというものだ。

私が、つくづく、そう思うに至った理由に、英文学者の加島祥造さんのことがある。
加島さんは、英文学者であるが、老子、荘子の研究者でもあるのだが、彼が何かの本で、「私はずっと老子が解らなかったが、英訳の老子を読んで解った」と書かれていた。
老子、荘子も、原文が素晴らしいので、漢文はともかく、書き下し文(日本の古文とほぼ同じになると思う)で読むべしと言うのが、やはり、中国や日本の古典文学の専門家に多いと思う。
しかし、普通の人は、読み下し文を読んで悦に入っても、意味は誤解するのであるから、何とも馬鹿なことだ。
重要なことは意味ではないか?
英訳の老子を読んで解ったなど、日本語への翻訳者は恥ずべきことではないだろうか?
よく分からないが、加島さんも日本語翻訳者を馬鹿にしているはずだと思うのだ。
中国語により近い日本語の翻訳では解らないのに、英語に訳されたものだと解るなど、これはもう、翻訳能力の問題である。早い話が、老子の日本語訳を書いた者は無能者ばかり・・・というのは言い過ぎだろうか?

同じく、英語の文献に関しても、「翻訳では意味が正確に解らないので、原文を読むべし」と言うおかしな人が多くて困る。
英語の勉強のために原文を読むというのは大いに賛成である。
しかし、その本を正しく理解するために、英語に強くない者が原文を読むなど、馬鹿もいい加減にしろと言いたい。
優れた翻訳者が翻訳したものでも60%しか理解出来ないなら、英語に弱い者が原文で読めば10%以下、あるいは、5%以下の理解しか出来なくても不思議はない。
簡単な理屈である。

『It Works』という成功法則の古典がある。
ある予備校の英語の先生だったかもしれないが、「原文で読まないと作者の真意が伝わらぬ」として、彼も翻訳は作ったが、英文を丁寧に解説し、原文で読むよう要請する本を出版していた。
私は、結局、英文の理解にエネルギーを取られ、その本から全く何も得られなかった。
しかし、特に翻訳家ではないのかもしれないが、ある人が、その本を日本語訳したものを電子書籍にしてくれている。
実は、原文の英語も、シンプルに解り易く書かれていて、僅か10分で読める短いものでもあり、翻訳は難しくないと思うが、この電子書籍の著者は、さらに解り易く丁寧な訳をしてくれていると思う。
それで、「何だ、こんなに良い本だったのか」とやっと解った次第である。

ところで、AIの機械学習やディープラーニングはプログラミング言語Python(パイソン)でやれと言う人が大半と思うが、これも、よほどPythonプログラミングに熟練した人でないと、Python部分でエネルギーを取られ、機械学習(ディープラーニングは機械学習の高度なもの)について、さっぱり使えるようにならないと思う。
また、「機械学習に必要な数学」という本も多く、これまた、数学でエネルギーを奪われ、機械学習は出来るようにならない結果になる。
私も、機械学習をずっとやっていて、微分について考えるとすっきりするということはあったが、それは、微分のごく基本的な概念を思い浮かべただけだ。
そして、それは、すっきりしたというだけであり、AIの推測結果に影響があった訳でもない。
それより先に、機械学習では、データの形を考える能力の方がよほど大事である。その意味で、PythonよりExcelに熟練した方がずっと良いと思う。

もちろん、古文、数学、プログラミング、どれにも大いに価値がある。
しかし、自分はこれらに通じている者達が、これらの価値を貶めているのだから皮肉である。









↓応援していただける方はいずれか(できれば両方)クリックで投票をお願い致します。
人気blogランキングへ にほんブログ村 哲学・思想ブログ 人生・成功哲学へ

日本は技術大国

まだ少し暑いが、真夏ほどではないし、陽もかなり短くなってきた。
そろそろ夏も終りである。
こんな季節を物悲しく思う人も多いと思う。私もそうだ。
その理由は、やはり、「夏休みが終わる」という記憶のせいだろう。
7月の、「明日から夏休み」という時の高揚感と比べると天国と地獄かもしれない。
そんな嫌な学校ならなくしてしまえという動きが、アメリカでは「アンスクール」として普及しつつある。子供達の自主性と創造性を生かして学習出来る環境を与えるものであり、家庭で教育する「ホームスクール」とは全く趣が異なる。ホームスクールは、あまり良い成果はなかったが、アンスクールは試行錯誤しながら、良い結果が出つつあると思う。

私は特に世界平和を望む訳ではないが、日本が平和でなければ自分が平和でないし、世界がある程度平和でなければ日本の平和もない。
そして、日本の平和は経済に負うところが多く、日本の経済の強さは技術力の高さに支えられている。
しかし、日本の技術力の高さは、大学教育(および学校教育)によるものではほとんどなく、産業界の中で(主に学校嫌いな人達によって)育ったものだ。
よって、日本こそ、学校など、さっさとなくしてしまえば良いと思う。ただ、そのためには、アメリカのアンスクールのような思想と取り組みが必要であるが、そういった面で日本は酷く遅れてるのだから困ったことである。
夏休みの最後が、子供達の自殺が最も増えるほど、日本の学校は本当に駄目なのにである。
日本の学校は、リストラクチャリング(ほぼ改善といった意味)ではなく、リエンジニアリング(改革というより、いったんぶっ潰して新たに構築する)が絶対的に必要である。
日本の学校や教師が役立っているとすれば、「反面教師」としてのみである・・・というのも言い過ぎであるが、大体そうであると私は思う。

2013年から始まった、初音ミクさんの最大のライブコンサート「マジカルミライ」は、夏の終りと秋の始まりに行われる。
最も早くて8月30日だった(昨年の大阪公演は8月25、26日で、今年の大阪公演は8月10、11日の異例の早さだったが)。
これまで、物悲しかった時期を熱く燃える(萌える)時に変えてしまった。
私は、2016年に幕張メッセでの公演が始まってから毎年参加し、今年で4回目で、昨年から始まった大阪公演でも楽しむことが出来、実に有り難いことである。
岡本太郎が言った祭の意義と同じ意味で、マジカルミライのおかげで生きていると言えるのだ。

ミクさんや、その周辺の技術の進歩も素晴らしいが、やはり日本は技術大国なのである。
現在、最も重要なAIの技術で、日本はアメリカや中国に遅れを取っているようにも思われるが、そうでもない。
時価総額世界一に完全に返り咲いたマイクロソフトは、AIでは日本のプリファード・ネットワークスをパートナーに選んだし、ソニーは、ディープラーニングの初音ミクさんとも言えるNNC(ニューラル・ネットワーク・コンソール)を無償公開し、誰でも機械学習・ディープラーニングが出来る環境を提供している。
機械学習においては、Pythonのプログラミングよりも、まずは、大量のデータを扱えるスキルが重要と思う。
これは、習得する機会があまりない分野だ。Excelを使っても、装飾にばかり気を使って、データの扱いが下手な人も多いと思う。
以前は、デスクトップデータベースソフトもいろいろあったが、今は、マイクロソフトAccessくらいしかないし、それも人気がなくなってきたように思う。
FileMakerは、高いし仕様がコロコロ変わって、イマイチ、お薦めする気が起こらない。
では、無償のLibreOfficeのBaseはどうかというと、情報が少ないし、遅いし使い難い。
まずは、Excelをデータベースソフトとしてきちんと使い、出来れば、マクロ(VBAプログラミング)まで出来るようになれば、NNCを大いに活用出来ると思う。
その方面の本格的な教育計画もあるのでお楽しみに。うまくいけば、やっと私も日本に貢献出来ることになる。









↓応援していただける方はいずれか(できれば両方)クリックで投票をお願い致します。
人気blogランキングへ にほんブログ村 哲学・思想ブログ 人生・成功哲学へ

ITは世界標準を軽んじるな

よく、ジャストシステムからUnitBase、サイボウズからkintoneの宣伝メールが来る。
ExcelやAccessはもう古いから、これで業務システムを作りましょうといった感じだ。
だが、心苦しいが、皆様のために言っておく。
ジャストシステムやサイボウズ程度では、世界標準になどなれない。
つまり、いつ消えても、何の不思議もない。
私なら、そんなものは決して使わない。
価格も高いし、そもそも、ExcelやAccessより良いとは思わない。

パソコンは、初め、BASIC言語でプログラミングするものだった。
しかし、実用になったのは、表計算ソフトが出来てからだ。
大昔のことは知らないが、マイクロソフトがマルチプランを普及させてから、パソコンは実務の道具になった。
ロータス社もロータス1-2-3を開発し、このロータス1-2-3はマルチプランより優れていたので、ロータス社は世界一のパソコンソフト会社になった。
しかし、マイクロソフトがExcelで抜き返してからは独走状態となった。ロータスは消滅した。
いくつか、別の表計算ソフトも出て来たが、結局、どれも駄目で、Excelの1人勝ちが今も続いている。

表計算ソフトより高度なデータ処理を行うデータベースソフトは、アシュトンテイトのdBASEから始まった。
これがあまりに良いので、いろいろな会社が安価なクローン製品を出し、マイクロソフトがその中の1つFoxBaseを持っていたFox社を買い取り、マイクロソフトはFoxProを発表した。
しかし、マイクロソフトはAccessを独自に開発し、これを普及させた。
FoxProは素晴らしい製品だったが、マイクロソフトはこれを切った。
昔は、Accessのライバルとして、ボーランドParadoxやロータスアプローチが出て来たが、Accessに太刀打ちできず、あっさり消えた。
データベースソフトとしては、マジックソフトウェアのMAGICが成功しており、本格的な業務システムの開発にはよく使われたが、価格が極めて高く、それに、MS-DOSの時代は素晴らしかったが、今は、それほどには使われていないと思う。
ファイルメーカー社のファイルメーカーも良いと聞き、少し使ってみたが、複雑なことをするにはAccessには敵わないと思うし、価格がやや高く、ライセンス体系が複雑で、私は早々に手を引いた。

GoogleがWebベースの表計算ソフトも無償提供しているが、使い勝手が悪い。
結局、ExcelやAccessを使うのが賢明としか言えない。
そうこうしているうちに、AI(人工知能)、そして、その中でもディープラーニングの時代になり、面白いことになった。
以前、ビッグデータが流行った・・・などと言ったら「今でも流行ってるわい!」「むしろ、これからだ!」と怒られるかもしれない。
しかし、私のような、普通の人がビッグデータに関わることはない。
そして、ディープラーニングのおかげで、ビッグデータのような馬鹿でかいデータを使わなくても、高度な推論が出来るようになった。
もちろん、ビッグデータでなくては駄目なものも絶対にあるが、逆に、ビッグデータでは出来ないが、ディープラーニングなら出来ること、あるいは、ビッグデータでは難しいが、ディープラーニングなら簡単なことが沢山ある。
そして、ディープラーニングで大切なことは、データをディープラーニングに入れるための前処理なのだ。
これには、AccessやExcelが最高なのである。
特に、マイクロソフトSQL Serverに溜め込んだデータをAccessやExcelで抽出し、ディープラーニングにかけられるよう加工する腕前が、非常に重要になる。
私は、その腕を磨いてきたことを本当に有り難いと思っている。
そして、その腕を磨くには、普段、業務や開発で、真面目にAccessやExcelを使うしかない。

もし、マイクロソフトが裏切ってAccessやExcel、あるいは、それらで使うVBA言語をやめたら、オープンソフトであるLibreOfficeのBaseを使おうと思う。
ただ、AccessやExcelの普及状態を考えると、後10年や20年は消えるとは思えない。
それは、「パソコンより良いものが出てパソコンがなくなる」と言うのと同じだ。
もちろん、タブレットPCやスマートフォンは、決してパソコンの替りにはなれない。
VBAがVB.NETやC#に変わる可能性はあるかもしれず、それならそれで良いが、その必要性は全くない。

そんな訳で、まずはVBAで高給取りになり、そして、本当にディープラーニングを使えるようになって超高級取りを目指すと良い。
ディープラーニングは、ソニーのNNCを使えば誰でも出来る。難しいのは、やはり、データ前処理である。









↓応援していただける方はいずれか(できれば両方)クリックで投票をお願い致します。
人気blogランキングへ にほんブログ村 哲学・思想ブログ 人生・成功哲学へ

ディープラーニングで重要なのはVBAだという理由

電気や電話が普及し始めた頃には、「わが社はそんなもの使わない」と言う経営者が多かった。
ワープロがオフィスに導入され出した時も、「わが社は心の込もった手書きでやる。ワープロなんぞ邪道」と言う人が沢山いた。
パソコンや電子メールが出てきた時には、部長さんや課長さんが「俺はそんなもん絶対使わんぞ。流行に踊らされる軽薄馬鹿ではないからな!」と・・・言った覚えのある人も、まだ元気かなあ(笑)。
そして、今度はAI(人工知能)である。
WIRED誌創刊者で世界の頭脳ケヴィン・ケリーは「今やっていることにAIを付ければいいだけだが、それをしないと必ず滅ぶ」と警告する。

ところが、書店に行くと、Python(パイソン)でディープラーニングをやろうって本がやたら多い。
ディープラーニングとは、複数層のニューラルネットワークを使う機械学習だ。
機械学習とは、AIがデータを読み込んで学習し、データの中に隠された法則性を見つけ出すことだ。
ニューラルネットワークとは、人間の脳をソフトウェアで模擬(シミュレート)したものだ。
Pythonは比較的新しい優れたプログラミング言語で、数学ライブラリが充実している等の理由で機械学習プログラミング(ディープラーニングプログラミング)に向いている。
2006年にディープラーニングが出来てから、AIは完全に実用になり、いまや社会のあらゆる場所に入り込んでいることに気付かない人もまだ多い。

だが、Pythonでディープラーニングをやろうとしたら、ほとんどの人は、そのPythonで挫折する。
プログラミングが得意な私だって、そんなの面倒で嫌だ(笑)。
最近私は、ソニーが無償提供している、恐るべきディープラーニング実践ソフトであるNNC(Neural Network Console)を使い、いろいろなデータでディープラーニングを行い、驚くべき結果を得た。
プログラミングなんて全くせず、活性化関数とか損失関数と呼ばれるものをコロコロ付け替え、ニューラルネットワークのデザインや層の数をコロコロ変えたり、それらをNNCに自動でやらせているが、これをPythonでプログラムしていたら、まだ1つの成果も出せていなかっただろう。
正直、活性化関数や損失関数の意味も知らなかったが、まずは使ってみれば良い。
そうしたら、後でそれらの関数の意味を調べれば、興味深いのでよく解るのである。
ところが、最初に、それらの関数の数学的な意味を解説されたら、シンドくて仕方がないと思うのだが・・・

ところで、では、ディープラーニングをやるのに何が一番大切かというと、ExcelやAccessだと解った。
それらが得意で、ディープラーニング用のデータを簡単に作成・加工出来れば、鬼に金棒どころの話ではない。
いかにディープラーニングが凄くても、使えるデータがなければ何も出来ないのだ。
ExcelやAccessでVBAのプログラミングが出来れば、最適なデータをすぐに作ることが出来る。
また、普段、ExcelやAccessを使い、データの扱いに慣れておけば、すぐにNNCでディープラーニングをやれるのではないかと思う。
逆に言えば、普段、ExcelやAccessでデータをいろいろに使い、データというものについてよく解っている者でなければディープラーニングがやれるとは思えない。
まず、VBAに熟達していれば、業務効率を数倍、数十倍、数百倍以上に上げられる。
そして、NNCを使えば、即座にディープラーニングがやれる。
ディープラーニング自体は別に難しいことではなく、単純な操作だ。
だが、それを、いきなりPythonでやろうなんて、私には無茶、無謀に思えるのだ。
ディープラーニングで使うデータをPythonで加工しようなんて本も見た。
だが、その加工前のデータは、Excelみたいなもので作っているはずなのだ。
そして、Pythonでそんな加工をするプログラムを見ていたら、もううんざりした。そんなの、ExcelやAccessで一発で出来るし、ことデータの現実的な扱いに関してはVBAが圧倒的に上で簡単なのだ。
そして、PythonはVBAより簡単なので、VBAが出来れば、必要な時にはPythonもすぐに使えるようになるだろう。
まずはVBAで高い給料を取りながら、NNCを使って、ディープラーニングで時代の最先端になろう。









↓応援していただける方はいずれか(できれば両方)クリックで投票をお願い致します。
人気blogランキングへ にほんブログ村 哲学・思想ブログ 人生・成功哲学へ

これが出来れば、今後の世界で勝ったも同然

「機械学習とディープラーニングはどう違うか?」
これほど、素人を困らせる言い方もないだろう。
違いなどない。
ディープラーニングも機械学習の1つだ。
簡単に言えば、機械学習のための現在、最も重要なやり方がニューラルネットワークで、ニューラルネットワークを複数(普通、4層以上)重ねて高度化するやり方がディープラーニングだ。
最初に述べたような言い方をしたら、素人は、機械学習とディープラーニングが全然違うものだと勘違いし、困惑することになるが、そんなことにも気付けない専門家は無視した方が良い。

現在、AI(人工知能)と言えばディープラーニングと言うくらい、ディープラーニングが一般的だ。
「ニューラルネットワークを4層以上にする必要もない」場合もあるのだろうが、いまや大抵のAIはディープラーニングだと思って良い。
ところで、そのディープラーニングを、Python(パイソン)というプログラミング言語で構築しようという書籍が多い。
それを、大抵は、GoogleのTensorFlow(テンソルフロー)や、日本のプリファード・ネットワークス社のChainer(チェイナー)という、「深層学習フレームワーク」と呼ばれる、ニューラルネットワークを簡単にプログラミングするためのライブラリを使うのだが、「機械学習の理解のため、Pythonだけを使う(当然、Pythonの豊富なライブラリは使う)」という本も少なくない。

だが、よほどPythonプログラミングの実力のある人でない限り、Pythonでディープラーニングをやろうなんて思わない方が良い。
いや、たとえプログラミングをかなりやっているとしても。
でないと、Pythonプログラミングだけにエネルギーを奪われ、ディープラーニングの理解や進歩はカタツムリが這うがごとくになり、せいぜい、子供騙しのことが出来るようになって自己満足するしかなくなる。

では、どうすれば良いかというと、ソニーのNNC(Neural Network Console)を使え。
ググればすぐに見つかる。
Windows用アプリ版と、Web版(クラウド版)の2種類がある。
共に無料で、使用に関して制限はない。ようやく、日本の企業もインターネット時代に相応しいことをするようになった。
Web版は通信状況がいつでも良好でないこともあり、私はWindows版を使っている。
これは、とにかく凄い。
ダイレクトにディープラーニングが解り、使えるようになる。
GUIで、活性化関数や損失関数(やれば解る)をぽいぽいと選べば(選べないなら基本形を使え)、一応のディープラーニングシステムが出来てしまう。
しかも、NNCに自動で構造を改良させることも出来る(す、凄い!)。
今のところ、日本語データ(フォルダ名やファイル名も含め)を使ってはならないことを、しっかり意識してやることだ。エラーの原因がそれである場合が多い。
私は、はじめ、Web版を使うつもりでWeb版の書籍を買ったが、上に述べた通り、Web版が使い難かったので、この書籍でWindowsアプリ版を使った。
少々、インターフェースがWeb版とアプリ版で異なって戸惑ったが、この程度の違いは自分で考えて解決出来ないようではいけないだろう。

「ソニーがAI?」って思う人もいると思う。
AIはGoogleというイメージがあるかもしれない。
だが、いまや、マイクロソフトも全く負けていない。
今、時価総額で、世界一はAmazon、2位がマイクロソフトで、マイクロソフトは、アップルを抜き去り、Facebookには差を付けている。
昨年、11月、12月は、マイクロソフトが1位だったのだ。Amazonとの差はまだ小さい。
GAFAという言い方は早くも古くなってきたのである。
そして、実はソニーもAIは強く、長く強力に研究開発に取り組んできており、スマートフォンなどでの実用的なものが、このNNCや、それに使われている深層学習フレームワークであるNeural Network Librariesで作られてる。
ソニーがずっとNNCを進歩させてくれるか不安な向きもあるだろうが、多分大丈夫だし、おそらく、他企業も、こんなものを作ると思う。
早く、ディープラーニングに馴染んでおけば、今後の世の中、勝ったも同然である。

尚、NNCを使うにしても、データの前処理や結果の活用で、結局、ExcelやAccessが役に立った。
ディープラーニングだけで完結する訳ではないのである。









↓応援していただける方はいずれか(できれば両方)クリックで投票をお願い致します。
人気blogランキングへ にほんブログ村 哲学・思想ブログ 人生・成功哲学へ
プロフィール
名前:Kay(ケイ)
・ソフトウェア開発技術者
・サイコパス
・初音ミクさんを愛す


当ブログは第1期ライブドア奨学生ブログです。
最新コメント
記事検索
ブログバナー&Mail


メールはこちらへ
PV since 2010/09/08
  • 今日:
  • 昨日:
  • 累計:

人気ランキング参加中
人気ブログランキングへ
↑↑これと
↓↓下の3つのいずれかをクリックして応援をお願いします!
にほんブログ村 哲学・思想ブログ 人生・成功哲学へ
にほんブログ村 哲学・思想ブログ 思想へ
にほんブログ村 メンタルヘルスブログ ひきこもりへ
QRコード
QRコード

  
   このエントリーをはてなブックマークに追加
  

タグクラウド
  • ライブドアブログ