AI時代に必須の教養：数学・コーディングを知らなくても理解できる〈教養ディープラーニング〉

ディープラーニングを学んでいて、モデル名や数式が一度に登場し、大きな流れを見失ったことはありませんか？この講義では、ディープラーニングを難しい公式の集合としてではなく、ひとつの人工ニューロンがChatGPTへと発展してきた問題解決の歴史として説明します。 私はLG電子のDX Schoolで、専攻や経験が異なる受講生を対象に、数百回にわたるディープラーニング講義を行ってきました。その過程で、「説明を聞いている間は理解できるけれど、新しい数式やモデルが出てくると、また途方に暮れてしまう」という悩みがあることに気づきました。そこで、モデルの構造や計算方法よりも先に、何が問題だったのか、従来の方法はなぜ失敗したのか、そしてそれを解決するために何を変えたのかを説明する形に講義を改善しました。 この講義では、「線を引く」というひとつのイメージをたどりながら、パーセプトロンからCNN、RNN、Attention、Transformer、そして大規模言語モデルまでをつなげていきます。数式を自分で計算することよりも、それぞれの数式がどのような問題を解決するのかを理解し、新しいAIに出会ったときに、次の問いを通じて自分で分析できるようになることを目指します。 「このモデルは、どのような問題を解決するために何を変え、どのような判断を人に残したのだろうか？」 最終的には、AIを無条件に信じたり恐れたりするのではなく、モデルに任せるべきことと、人が確認し責任を負うべきことを区別する力を身につけるための講義です。