Bi-GAN支援遺伝的アルゴリズムによる深層ニューラルネットワークパラメータの自律同時最適化

（Autonomously and Simultaneously Refining Deep Neural Network Parameters by a Bi-Generative Adversarial Network Aided Genetic Algorithm）

田中専務

拓海先生、最近うちの若手から『自動でニューラルネットの設計を決める研究』って話を聞いたんですが、実際どれくらい使える技術なんでしょうか

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、これから順を追って分かりやすく説明しますよ。今回の研究は遺伝的アルゴリズムとジェネレーティブアドバーサリアルネットワークを組み合わせて、ネットワークの構成要素を自律的に最適化するものですよ

田中専務

ええと、遺伝的アルゴリズムって投資案件のスコアリングで聞く名前ですが、具体的にどう使うんですか

AIメンター拓海

良い質問ですね。遺伝的アルゴリズム Genetic Algorithm (GA) は、候補を世代ごとに入れ替えて徐々に良い解を育てる探索手法です。投資のポートフォリオを試行錯誤で改善する感覚に近いです。ここではネットワークの設計候補を進化させますよ

田中専務

なるほど。それでBi-GANというのは何ですか、従来のGANと何が違うんですか

AIメンター拓海

素晴らしい着眼点ですね！ジェネレーティブアドバーサリアルネットワーク Generative Adversarial Network (GAN) は生成者と識別者が競い合って性能を上げる仕組みです。Bi-GAN は生成側を二つにして、異なる候補を作らせ競わせることで探索の幅と微調整力を高める発想ですよ

田中専務

これって要するに、候補を作る部隊を二つ持たせて互いに競わせることで、より良いネットワーク設計を自動で見つけるということですか

AIメンター拓海

おっしゃる通りですよ。要点を三つにまとめると、1つ目は探索と搾取のバランスを改善すること、2つ目はフィルタ数やニューロン数など連続的な範囲から値を選べること、3つ目はGAの世代進化とGANの生成学習を組み合わせることで手動調整の工数を減らすことです

田中専務

現場に入れる際のコストはどう見ればいいですか。学習時間やインフラ負荷が増えるなら慎重に判断したいのですが

AIメンター拓海

鋭い視点ですね。大丈夫、要点は三つです。まず初期投資として計算資源は増えます。次に探索は一度行えば複数の用途で再利用できること。最後に投資対効果は、手作業での設計試行を置き換えれば長期的には回収可能であることです

田中専務

なるほど。分かりました。では最後に、今回の論文のポイントを私の言葉でまとめると、ネットワークの設計要素を二つの生成部隊と遺伝的進化で自動的に試行させ、手作業を減らして精度を上げるということですね