クランチタイマーでは月一で勉強会を行っており、今回が第三回となります。

内容はそれぞれ何か自由に調べて発表するというLT会の形式をとっています。

4/24に行った題目を簡単に紹介しましょう。

バイオ×機械学習（その２）

生物学研究にAIがどのように応用されているかという話でした。主にDNA関連です。

2000年代に次世代シーケンサーという機器の登場によりDNAの塩基配列を決定するのが安く、速く、正確になりました。

その次世代シーケンサーに付随する技術であるアラインメントとアセンブルという処理で機械学習が必要になります。

簡単に言うと、次世代シーケンサーでは断片ごとにDNAを解析するので、その断片が何であるか（アラインメント）、どこでつながるか（アセンブル）を推定する処理です。

この塩基配列の決定が、細胞の機能を調べたり疾患と遺伝子の関係を調べたりと色々な研究に役立つので、影響が大きいのだということでした。

次世代シーケンサー界隈はバイオインフォマティクスの中でも王道で、最も進んでいる分野です。

他の新しいトピックとしてはGANを使って目的の合成生物のDNAを生成する、眼底の画像から心臓発作リスクを予測するといった研究がありました。

生物学の知識もいるので、難しめの内容でしたね。

しかし色々な応用例を見ていくと、「経験を元に何かを予測する」というのがAIのコアな部分だとよく分かりました。

1カ月でやったこと

前回からの間に学んだこと実践したことについて話してもらいました。G検定、ゼロつく、Kaggleについてです。

G検定はAIにまつわる幅広い知識についての検定です。

教材や勉強法など、こういうやり方をしたら受かりそうという話でした。

ゼロつくとはオライリーの人気本「ゼロから作るDeep learning」のことです。機械学習について理屈の部分がよく理解できる本として紹介されました。

ライブラリで呼び出すようなディープラーニングの機能を、簡単なアルゴリズムを組み合わせることで自分で作っていくという主旨の本です。

パーセプトロンのような基礎から説明してあり、分かりやすく、割とすぐ読めるからおすすめらしいです。

Kaggleは一般的な使い方の説明とタイタニックという練習課題をやってみた体験についてでした。

僕が注目したのは精度の上げ方の話です。データの意味や傾向から考えて人為的な重みづけをするという感じだったのですが、実際にAIを実装する際にも重要そうな工程でした。

重回帰分析

機械学習の方法の一つ、重回帰分析について僕が話しました。本当はディープラーニングの数学について調べて来ようと思っていましたが難しかったので諦めました。

重回帰分析は多変数のデータからある値を推測するための方法です。

ディープラーニングと違って直線の式なので、データのそれぞれの項目に対して比例関係としてしかとらえることができません。

重回帰分析自体が機械学習のために実用されることはほぼないらしいですが、教材や情報学系の授業では登場します。

これは、モデルがあって関数から重みの決め方を求め、データを入れて学習させるというプロセスが多くの機械学習の基礎になるからでしょう。

それを数式的に理解しやすい例が重回帰分析なのだと思います。

文字からロゴへ

画像内の文字を検出して他のロゴに差し替えるAIを作ったそうです。もうアプリになりそうな、最もレベルの高い発表でした。

画像の中の文字を検出する、文字を削除する、入れたいロゴ画像を変形させて元の画像に合成するという3ステップでこれを実現していました。それぞれのステップの中でも色々専門的な技術が使われていて、とりあえず凄いなという印象でした。こういう技術を使えるようになればこんなことができるというゴール、見本として参考になりました。

構築済みモデルだったりAPIの形だったり外部のAI関連サービスをいくつか使っていて、それがリアルだなと思いました。開発するときには全て一から作るわけにはいかないと思うので、そういった役立つツールを使っていくことが当然になりそうです。

総括

1カ月に１度このような勉強会があるとAIについて勉強する機会になるし、他の人が調べたことも聞けるので良いです。

そして、一方的に教えてもらう形ではなく一人一人にやることがあるのも学習効果を高めている気がします。調べて話すだけでなく、さらにもう少し実践的なタスクをやるのもいいかもしれません。

余談ですが、状況が整えば今後社外にも展開していきたいと考えています。特に広島ではこのようなAI勉強会は少なく、いくらか需要もあるように感じています。「需要あるよ」という方がいればいいねボタンを押していただければ幸いです。