Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language. 人工知能研究において画像や文書，音楽などを生成する「生成モデル」に注目が集まる中、昨年秋に公開された深層生成モデル実装用ライブラリPixyz。 今回は、中心になって開発した松尾研研究員の鈴木雅大さんにPixyzについてお話を伺いしました。 昔から「ロボットの頭脳を人工知能によって実現したい」という夢があり、大学3年生の時に機械学習と出会いました。 そして、北海道大学の情報系の学科を卒業し、博士1年で松尾研に所属しました。 当時、深層学習（Deep Learning）が今ほど注目を集めていない時期から深層学習が大きな可能性を秘めていると仰っていた松尾先生に共感を抱いたのが松尾研を志望したきっかけでした。 現在は松尾研の研究員としてマルチモーダル学習と深層生成モデルの研究を進める他に、DeepLearning基礎講座を始め教育に関わることも多いです。 ※マルチモーダル学習とは・・・複数種類のデータを入力とし、統合的に処理する機械学習。 「Pixyz」とは Pixyzは深層学習の中でも「深層生成モデル」と呼ばれる枠組みを簡単かつ汎用的に実装するためのライブラリです。 深層生成モデルは生成モデルを深層ニューラルネットワークで構成したものなので、まずは生成モデルの説明をします。 生成モデルとは，簡単にいうと「今あるデータがどのようにできたのだろうか？」ということに着目し、それ（データの生成過程）をモデル化しようという枠組みです。これまでの深層学習研究の多くは、データを「分けること」に着目してきた訳ですが、生成モデルはそれとは対照的なアプローチです。 生成モデルをデータから適切に学習できれば、本物のデータとよく似た新しいデータを「生成」することができます。また生成モデルは学習したデータの生成過程を分かっているので、「異常検出」や「ノイズ除去」といったことも可能になります。 生成モデルは通常確率モデルとして設計されるのですが、最近ではこの確率モデルとして深層ニューラルネットワークが使われるようになっており、ネットワークの表現力のおかげで、より高次元かつ大規模なデータを学習できるようになりました。これが深層生成モデルです。 Pixyzの公開前は、利用する人は非常に限定的だと思っていたので、そこまで反響があるとは思っていませんでした。しかし、Twitterで告知後に想定以上の反響をいただき、大変驚きました。 PyTorchベースの深層生成モデル実装用ライブラリ「pixyz」を公開しました．https://t.co/1Icd6xpxAI「様々な深層生成モデルを統一的に記述できる」「数式から簡単に実装に落としこめる」ことを目標に開発を進めてきました．pixyzにはこれらを実現する独自の機能がありますので，是非ご覧ください． — masa (@szk_masa) November 11, 2018…
日本語
