https://fx-dakar.com

人工知能

ディープラーニング深層学習とは?囲碁で勝てればFXも勝てる?

投稿日:2018年8月19日 更新日:

2016年、Google系企業DeepMindが開発した囲碁AI、AlphaGo(アルファ碁)が、韓国の囲碁世界チャンピオン、イ・セドル氏を破りました。

当時は、AIが囲碁でプロに勝つまでに10年以上かかると言われてて、その快挙はAIやディープランニング(深層学習)というキーワードと共に世界中のメディアで報じられたんですよね。

そして、2017年10月18日にDeepMindが最新の囲碁AI、AlphaGo Zero(アルファ碁ゼロ)を発表。

AlphaGoは、あらかじめプロ棋士の打ち筋を学習して、そこからAI同士の対戦で強くなっていくものでした。

今回は、AIやディープランニング(深層学習)の基本的な考え方や意味、そして未来についてです。

FXに挑むAIの話を交えて書いていきます。

ぜひ今日もクリックをおねがいします!ブログランキングに参加しています。Ctrlを押しながらクリックすると新しいページで開けます👇(^^)

囲碁もFXも同じようなもの??

ぼくは五目並べくらいしかできないんですが。笑

アルファ碁の話から書きはじめてみましたが、最新版の囲碁AIはAlphaGo Zeroです。

AlphaGo Zeroは囲碁のルールを覚えて強化学習のみで棋力を高めていくことが特徴なんですね。

AlphaGo Zeroは、これまで人間が数千年の創意工夫を経て考え抜いた打ち筋というデータベースは不要で、自己対局を繰り返して3日でAlphaGoに100戦全勝。

AlphaGoの改良版の「AlphaMaster」にも、100戦89勝するまで成長したそうです。

AlphaGo Zeroは一例ですが、著しい進化を遂げるAI(人工知能)は、現在、めざましい成長を遂げています。

その進化を支えるのが、ディープラーニング(深層学習)なんですね。

囲碁で全勝できるAIがあるならば、いずれFXで100戦100勝できるAIが開発されてもおかしくはありません。

そうなれば、そのAIを手にした数少ないトレーダーたちは、全員が億り人です。

はたして、そんなAIは今後、世に出てくるのでしょうか?

完全無敵のAIトレードって?

AIの学習形態のひとつが、深層学習ってことですね。

完全無敵のAIトレードシステムについて考えるためにも、AIとディープラーニング(深層学習)の基本的な概念を学んでいきましょう。

おさえておくべきことは、AI(人工知能)は総合的な概念と技術で、Deep Learning(深層学習)はAIを支える手法のひとつだということです。

例えば人間は、動物を見たときに「イヌなのか、ネコなのか」を瞬時に判断しますよね。

そのメカニズムは、目や耳から得た情報を経験や知識と照らし合わせ、「動物なのか」「種類な何なのか」を推測することで実現しています。

AIの基本的な概念も同様で、人間の脳が行っている「推測」を、コンピューターで模倣することにあります。

その際に重要なのが学習です。

AI(人工知能)も経験・知識がなければ推測できず、適切な回答を導きだせません。

そこで、判断するために必要な法則やルールなどを学習する必要があります。

その学習方法は機械学習(Machine Learning)であり、その中のひとつの手法として、深層学習(Deep Learning)があります。

噛み砕いて言えば、機械学習のひとつのかたちに、強化学習というカテゴリーがあり、その発展形が深層学習ということです。

そのへんの話はこちら↓にくわしく書いていますので、合わせて読んでみてくださいね。

人工知能入門|AIを利用したFXトレードを理解するために

人間も赤ちゃんのうちは動物を判別できませんが、成長とともに学習すれば判別できるようになります。

AI(人工知能)も人間のように学習することで成長するんです。

そして、より人間の脳に近いメカニズムとして、Deep Learning(深層学習)に注目が集まっている。

今は、そういう時代になってきているんですね。

AI(人工知能)とは?

そもそもなんですが、AIっていったい何なのでしょう?

AIとは、「Artificial Intelligence」の頭文字を取った言葉で、日本語では「人工知能」と訳されます。

人工的にコンピューター上などで人間と同様の知能を実現させようという試み、あるいはそのための一連の基礎技術を指しますが、研究者によって解釈は千差万別で厳密な定義はありません。

これは、今まさにそのAIの研究が進んでいる真っ只中だからですよね。

これから、AIの正確な定義づけもできあがってくるということです。

学会では、ものすごく活発な議論が続いてるみたいです。

一般的なAIの解釈としては、「人工的に人間の知能を模倣するための概念および技術」ですね。

AIには、「コンピューターが人間のように学習し、知識をもとに推測する」ことが求められ、そのために複雑なプラットフォームやアルゴリズムが用いられます。

身近なところでは、スマホの音声認識や障害物を避ける自動運転、インターネットの画像検索やウェブページ検索、産業分野のロボット制御や画像処理など、さまざまな場所ですでにAI(人工知能)が活用されているんです。

また、AIと言うと最新技術というイメージがありますが、じつはなんと1950年代から研究が続けられています。

現在のビッグデータやDeep Learningを活用したAIの発展は、「第三次人工知能ブーム」と言われているんですね。
.

ディープラーニング(深層学習)とは

AlphaGo Zeroの活躍は深層学習によって支えられている旨は、冒頭で紹介した話のとおりです。

上の図を見てください。

まず、機械学習は、大量のデータから規則性や関連性を見つけ出し、判断や予測を行う手法です。

そのためには、「色と形に注意」のように、着目すべき特徴を人間が指定する必要があります。

そんな機械学習の分野の中でも、一番すすんでいる研究分野が強化学習という分野なんですね。

ディープラーニング(深層学習)は、その強化学習をさらに発展させた手法ってことです。

ディープラーニングは、2010年代に入って、研究スピードが非常に早くなってきています。

深層学習では、人間の脳神経回路をモデルにした多層構造アルゴリズム、ディープニューラルネットワークを用い、特徴量の設定や組み合わせをAIが自ら考えて決定するんですね。

機械学習では、「色と形に注意」のように、着目点を指示する必要がある、と書きましたよね?

でも、Deep Learning(深層学習)の場合は指示をしなくても自動で学習します。

この点が、ディープラーニングのすごいところです。

ただし、精度を高めるには大量のデータが必要になり、読み込ませるデータによって学習の方向性も変わるので、慎重にデータを選ぶ必要があるんですけどね。

現在の研究の最先端がこのディープラーニングです。

故に、紹介される言葉もどこか上滑りな感じがしますよね。

ここがリアルなところなんです。

最先端の技術故に、その内容も日進月歩。

成長著しく、日々の新陳代謝がとても活発なのが深層学習の分野ということです。

発想は以前からあった階層型多層神経回路網

さて、話をさらに掘り下げていきます。

ディープラーニングとひとことで言っても、これはいったいどんな仕組みなのでしょうか?

深層学習(ディープラーニング)のモデルは、さきほど書いた通り、ディープニューラルネットワークと言います。

さまざまな学習形態が「ディープラーニング」とまとめて呼ばれていますが、これは多階層のニューラルネットワークの総称で、これにもまたネットワーク構造や最適化の方法に色々な種類があるんですね。

それぞれ「ディープ○○」といった呼び名で呼ばれていますが、「○○」の部分だけで呼ばれていることも多いです。

とりあえず、教師あり学習にはこっち、教師なし学習だとあっち、強化学習だとこちらの手法という形で、目的に応じて使い分けられているということだけ、知っておいて欲しいです。

きっとこれからのトレーディングに役立つと思いますので。

層を重ねて表現を豊かに

層を重ねて大規模にすると、表現が豊かになるのではないか、という案は以前からあったみたいなんですね。

例えば、今、画像認識でもはや定番のものとして使われているのは、畳み込みニューラルネットワークという方法です。

畳み込みニューラルネットワークは、CNN(Convolutional Neural Network)とも呼ばれています。

CNNはニューロンの結合に工夫があり、全部のニューロンが繋がっているわけではないんです。

異なる種類の処理を行なう層が積み重ねられた構造になっているんですね。

具体的には、局所的に特徴抽出を行なう「畳み込み」という層と、特徴を刈り込んで絞り込む「プーリング」という層が繰り返されたディープな構造です。

これによって、さまざまな形の物の中でも変わらない、つまり、認識に使うべき不変の特徴を絞り込んで、上位層に渡していくことができるんです。

ちなみにこの時、徐々にノード数を減らすと、より抽象化された情報の抽出を行なうことができます。

こういう働きを次元圧縮といいます。

次元圧縮とは?

次元圧縮ってなんだか説明しにくいんですよね。

AIは、物事を認識するときに、全部の情報をそのまま見るのではなく、見るべき場所だけに着目すると、識別効率が良くなるんですけど、要はそのことです。

特徴を抽出するわけですね。

見るべき場所、識別するのに有効な特徴とはなんなのかということを、人間がいちいち書くのは大変じゃないですか。

深層学習が注目されているのはここで、人間が特徴量を設計しなくても、ネットワークが特徴抽出とパラメータ学習を一緒にやってしまうんですよ。

これがもう本当に、ものすごいことなんですね。
.

さまざまな種類の人工知能

さて、だいぶ専門的な記事になっていますが、もうちょっとがんばって勉強してみましょうか(^^)

AIは、用途によって特化型人工知能(Narrow AI)と汎用型人工知能(Artificial General Intelligence:AGI)に分類されます。

また、機能の高度さによって弱いAI(Weak AI)と強いAI(Strong AI)に分類するケースもあります。

これらは、人工知能の分類ですよね。

とりあえず2ケースご紹介!

特化型AIと汎用型AIの違い

特化型人工知能は、囲碁AI、AlphaGo(アルファ碁)のように、特定の作業・領域でパフォーマンスを発揮するものを指します。

一方の汎用型人工知能は、作業・領域を限定せずに人間と同等あるいはそれ以上のパフォーマンスを発揮するものを指します。

イメージとしては、SF映画に出てくるような自分で考えて自立して行動する、生命に近いロボットプログラムが汎用型人工知能に該当します。

ただし、人間と同等かそれ以上に万能なAIは、今のところ実現不可能です。

実用化されているAI(人工知能)に限れば、すべて特化型人工知能と呼べるでしょう。

この点は、AIをなんとなくのイメージだけで考えていると、実際のところとズレが出てきてしまうので、注意するようにしてください。

いくら人工知能と言っても、なんでも自分で考えることができて、人間よりも早く的確な判断が常にできるものは、まだ日の目を見るにいたっていません。

.

弱いAIと強いAIの違い

弱いAIと強いAIは機能の高度さなどによる分類で、どれだけ人間に近い行動をするかが判断基準となります。

どこまでが弱いAIでどこまでが強いAI、といった明確な基準はありません。

が、一般的に人間のような意識を持たずに機械的に作業などをこなすものは弱いAI、まるで意識があるように学習して意思決定できるものは強いAIと呼ばれているんですね。

Deep Learningを活用したAIは、強いAIと言えます。
.

AIを使うには何が必要?

実際にAIを利用する場合、「人工知能を作る学習フェーズ」と「人工知能を使う予測・認識フェーズ」にわけられます。

自分でつくっちゃうんだからすごいですよね。

その中で特に重要なのが、赤ちゃんのAIを成長させる学習フェーズで、その際に必要になるのが学習用の「データセット」と「学習モデル」です。

一般的には「データセット」から規則性や関連性を抽出し、学習を繰り返すことで「学習モデル」を作っていきます。

特にディープラーニング(深層学習)の場合、精度を高めるために大量のデータが必要です。

FXで考えると、これは、なるべく過去にまで遡ったローソク足のチャートがあったほうがいい、という話ですね。

ドル円であれば、プラザ合意まで遡れれば、為替取引が変動相場制に移行してからのデータがコンプリートできます。

また、データの正確性も重要な要素になります。

これもFXで考えれば、「相場が開いているときの値動きをすべてひろっているか?」とか「雇用統計のときの大きな値幅の15秒足まできちんと記録が残っているか?」とか、そういう話ですよね。

とにかく正確なほどいいわけです。

不完全なデータで学習すると、間違った判断をしてしまい、求めている方向にAIが学習しないリスクがあるんですね。

これは、さきほども書いたとおりです。

学習済モデル構築にかかる計算コストは?

学習済モデルを構築するには、「AIに導き出してもらいたい回答」「その回答を得るために必要な学習」「学習するために必要なデータセット」などを明確にしたうえで設計を行います。

その際に生データを収集し、データベース化し、データセットを作り、学習を繰り返す必要があるため、データの整理や学習には膨大な時間を要します。

さらに、AIが狙った方向に学習するようにチューニングする必要もあります。

そこで人工知能を導入する場合は、AIコンサルタントやデータサイエンティストなどの専門家が欠かせません。

今、このAIコンサルなどの求人の相場は、うなぎ上りですからね。

優秀な専門家は、世界中の研究機関からひっぱりだこになっているという話です。

AIとDeep Learningの未来

さらにすごい学習形態が出てくるかもしれないですよねー。

さて、いかがでしたか?

Deep Learning(深層学習)により、従来の機械学習では不可能だった複雑なデータが扱えるようになりました。

ここからAIはさらに進化するでしょう。

人工知能がより高度な学習を自ら行うようになれば、人間の負担は減り、会社でも、業務は飛躍的に効率的になると予想されてます。

アクセンチュアリサーチとフロンティアエコノミクスが発表したレポートでは、「AIは2035年までに16の業種で経済成長を平均1.7%向上させる」「AIテクノロジーは、2035年までに生産性を40%以上向上させる可能性がある」などの発表がなされています。

国内でも、急激にAIが成長すると考えられます。

その原動力となるのがDeep Learning(深層学習)なんですね。

IT分野だけではなく、教育やサービス業、農業、製造業など、様々な場所に人工知能が活用されていくんだとおもいます。

そして、それならば、やはりFXもですよね。

どうやら、完全無敵のAIトレードシステムは、深層学習をベースにつくられていくということで、間違いなさそうです(^^)

Dakar

もしためになったならば、ぜひ今日もクリックをおねがいします!Ctrlを押しながらクリックすると新しいページで開けます👇(^^)

人気ブログランキング

まずはXMで環境構築を!戦略から逆算して選ぶ海外FX口座!

XM口座のつくり方!

この記事では、海外FX会社のXMで口座を開設する方法をどこよりもわかりやすくご紹介しています(^^)/ 具体的には、XMの会員ページをつくってログインができるようになるところまでです。本人確認書類を提出して口座を有効化したり、MT4をインストールしたりするためにも、この手順は必須ですよ(^^)b

「勝ちに行く」環境とは?

単にXMをおすすめしますと書いていても、具体的な戦略の土台が見えないんじゃイメージがしにくいかなと思って書いたのがこの記事です。実際にぼくがこのFX会社で自宅で展開しているPC環境を、この記事では一部公開しています。資金効率を重視したトレーディングのためのチャート構成に興味のある方は、こちらは必見ですね(^^)

なぜXMがおすすめなのか?

個人トレーダーとしてぼくがメイン口座を開設しているのがXMです。この記事では、なぜぼくがXMでスキャルピングをすることにしたのか?という点を書いています。それがそのまま、この海外FX会社をおすすめする理由なんですよね。スキャルピングをするにあたって、どのFX会社を選ぶか迷っているなら、一見の価値アリですよ(^^)b

最近よく読まれている記事

1
ドル円は水平線が効果的!下落後の反転予測に使えるワザとは?

ドル円チャートって、水平線を引きやすいんですよね。今回は、そんな話をしていきたいなと思います。ぼくはふだん、ツイッターをしているんですが、今回の記事はよりツイッターの内容とリンクした構成にしてみました ...

gyakubari12 2
ドライバーズFX|ガソリンスタンドから始まる必勝法とは?

FXで勝っていくにあたっては、毎日のようにクルマを走らせている方々だけが持ち得る優位性が存在します。それは、資源国通貨トレードのひとつです。たまにいただくお問い合わせの中には、「いつも運転しているんじ ...

3
雑誌外国為替にFXトレーダーDakarを掲載いただきました。

2022年8月31日に、FX情報誌「外国為替」の創刊号が発売されました。ぼく、Dakarも僭越ながらその創刊号に他のFXトレーダーの方々といっしょに掲載いただきました。それにあたって、ちょっとブログ記 ...

-人工知能

Copyright© 大手企業為替担当DakarのFXブログ , 2024 AllRights Reserved.