Googleの人口知能（機械学習）ライブラリ「Tensor Flow」を体験してみよう！【導入編】

近年、ニュースなどでも話題になっているのが「人口知能（AI）」関連のトピックですが、2015年にGoogleが発表した人口知能（機械学習）ライブラリが「Tensor Flow（テンソルフロー）」です。

Googleの関連検索や画像認識などさまざまなサービスで人口知能が活躍していて、それらの技術の一部をオープンソースとして公開しています。

それでは、「Tensor Flow」の仕組みや使い方について見ていきましょう。

人口知能（機械学習）の活用分野

人口知能の一分野が「機械学習」と呼ばれる技術ですが、Tensor Flowも機械学習ができるライブラリの１つです。

他にもさまざまな機械学習ライブラリがあり、

• Chainer
• Theano
• scikit-learn

など、さまざまな機械学習ライブラリが存在しています。

「機械学習」とは、文字どおり「機械にある対象データを学習させる」ことです。

例えば、ある交通データからある傾向を導き出したり、未来のある日のある時間の交通量を予測したりと、実データからさまざまな予測を行うことができます。

では、どうやって膨大なデータから予測を行なっているのかというと、「人口知能」と呼ばれるように、人口的に「人間の知能」をコンピュータで再現して予測を行なっています。

人間はある出来事や自分の行動から結果を予測して、結果が間違っていたら、間違っている部分を修正し、次回はより精度の高い行動ができるように変化していきます。

コンピュータも同じようにある実データから未来を予測し、間違っていたら、その過程を見直し次の予測の精度を上げていきます。

適切に機械学習を行うと、その精度は９０％以上にも上り、人間の予測精度を遥かに上回ります。

そのため、他分野で人口知能技術を活用したアプリケーションが数多く開発されています。

「Tensor Flow」の公式サイトでは、さまざまなチュートリアルが用意されていて、Pyhton言語を用いて機械学習を体験することができるようになっています。

「MNIST」と呼ばれる手書き文字認識や、写真をアートライクに変化させるものまで、さまざまな機械学習プログラムを書きながらその仕組みを学んでいくことができます。

「Tensor Flow」を利用した人口知能（機械学習）体験

「Tensor Flow」を使うためには「Python」のインストールと「Tensor Flow」のインストールが必要です。

これらのソフトウェアをインストールする際に、公式サイトでは、

• virtualenv
• "native" pip
• Docker
• Anaconda
• source compile

などの方法が説明されています。

この中でインストールが行いやすいのは「Anaconda」を利用する方法です。

「Anaconda」は、科学計算・高度数値計算などのライブラリをパッケージにしたソフトウェアで、Pythonも同梱されているため、ソフトウェアをインストール手間がかなり削減されています。

しかし、ソフトウェアの容量が数ギガバイトにも上るため、必要の無いライブラリでデバイスストレージを圧迫してしまうというデメリットもあります。

しかし、その他の方法はOSやパッケージ管理ソフトウェアに関する知識も必要となり、初心者にはハードルが高いため、Anacondaを利用するケースが増えています。

「Anaconda」からTensor Flowをインストールする方法は、インターネット上での多数公開されていますので、それほど悩むことは無いでしょう。

次回は、実際に「Tensor Flow」のチュートリアルを利用しながら機械学習を体験していきたいと思います。