「教育×ビッグデータ」から始まった機械学習や深層学習とは？：ビッグデータ利活用と問題解決のいま（2/3 ページ）

[笹原英司，ITmedia]

ビッグデータにおける機械学習の役割とは？

　機械学習や深層学習は、教育支援分野から発達し、ソーシャルメディア、製造業など、さまざまな分野で応用されようとしている。ここでは、ビッグデータにおける深層学習、機械学習の位置付けや課題点を整理する。

　そもそも機械学習は、コンピュータが自動的にパターンを学習し、データから推論を行う能力である。この技術によって、大規模かつ多次元のデータから、自動的かつスケーラブルに、さまざまなインサイトを収集できるようになった。図2は「クラウドセキュリティアライアンス（CSA）」のビッグデータワーキンググループ（BDWG）がまとめた「ビッグデータの分類」（2014年9月）より、機械学習アルゴリズムの分類を示している（関連PDF）。

図2：機械学習アルゴリズムの分類 出典：Cloud Security Alliance 「Big Data Taxonomy」 (2014年9月)

　機械学習アルゴリズムとしては、人手によって入力データを与えられた目標値あるいはクラスラベルにマッピングする「教師あり学習（Supervised）」と、人手を介さず自動的に入力データの隠された構造を学習する「教師なし学習（Unsupervised）」がある。前者の代表例が、「回帰（Regression）」や「分類（Classification）」であり、後者の代表例が「クラスタリング（Clustering）」や「次元削減（Dimensionality reduction）」である。ニューラルネットワークは「分類」に含まれる。

　さらに、少量のラベリングされたデータを使用して、大規模のラベリングされていないデータセットに融合させ、適切な学習アルゴリズムに近づける「半教師あり学習（Semi-supervised）」や、一定期間に最大の報酬をもたらす行動を取るように、観察と行動の間のマッピング関数を学習して最適化を図る「強化学習（Re-enforcement）」がある。

　そして、ビッグデータの場合、これらの機械学習アルゴリズムを、時系列データ、ストリーミングデータ、シーケンスデータ、グラフデータ、空間データ、マルチメディアデータなど、さまざまな種類のデータに適用させることが必要となる。元々教育分野から生まれた機械学習とデータのマッピングに関するユースケースが、さまざまな業種・業界に応用されて広がりつつある。

深層学習のビッグデータ適用に向けたユースケース開発が課題

　機械学習アルゴリズムをビッグデータに適用拡大させる場合、対象となるビッグデータの相互運用性が確保されていることが前提条件となる。本連載の第21回で取り上げた、国立標準研究所（NIST）の「ビッグデータ相互運用性フレームワーク・バージョン1.0」の最終版（2015年9月）では、「NIST SP 1500-3 -- Volume 3：Use Case & Requirements」に、深層学習のビッグデータ適用に関するユースケースが掲載されている。

　このユースケースを提供したのは、当時スタンフォード大学の研究者だったアダム・コーツ氏である。想定されているプレイヤーは、自動運転車の運転、音声認識、自然言語処理のような最先端のコンピュータービジョン開発を支援するために、大容量のデータと複雑な予測業務に取組む、機械学習の研究者や専門家だ。

　彼らの目標は、大規模（1テラバイト以上）の集積データ（画像、動画、音声、テキストなど）から、深層ニューラルネットワークのトレーニングを行うために、深層学習アルゴリズムで処理することが可能なデータセットの規模を拡大することである。ユースケースでは、以下のようなシステム環境を利用している。

現在のシステム環境	概要
コンピュータ（システム）	高速に相互接続するGPUクラスタ（例：インフィニバンド40gE）
ストレージ	100TB Lustreファイルシステム
ネットワーク	HPCクラスタ内のインフィニバンド、外部インフラストラクチャ向け1GbE（例：Web、Lustre）
ソフトウェア	Stanford CS. C++/Pythonソースで開発された内蔵GPUカーネルとMPIベースの通信