4 分で読了
0 views

サブタイピングのフラッテン化

(Flatening subtyping by eta expansion)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、今日の論文の話を噛み砕いて教えてください。部下から『深いサブタイピングを使えば表現力が上がる』と言われたのですが、何をどう変えればいいのか見えなくて困っています。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、要点はシンプルです。論文は“深いサブタイピング(deep subtyping)”の効果を、プログラムを拡張することで“浅いサブタイピング(shallow subtyping)”だけで実現できる、と示しています。難しい言葉は後で一つずつ説明しますよ。

田中専務

なるほど。ところで『拡張する』って、コードを書き換えるということですか。現場に大きな改修が必要だと困りますが。

AIメンター拓海

良い視点です。ここでの『拡張』はeta expansion(η-expansion、η拡張)という小さなプログラム変換で、関数を明示的に引数を取る形にする操作です。要点を三つで言うと、1) 表現力(deep subtyping)を残す、2) 型検査の実装を簡単にする、3) 必要な箇所だけ変換する、です。現場改修のコストは限定的にできますよ。

田中専務

これって要するに、面倒な型の比較を前もって『見かけ上』扱いやすくしておいて、後工程は単純なルールだけで済ませるということですか?

AIメンター拓海

その通りです!端的に言えばフロント側で一手間かけておくとバックエンドの実装がずっと楽になるのです。しかも、その『一手間』は論理的に正しい変換ですから、挙動は変わりません。

田中専務

投資対効果で言うと、どこにコストがかかって、どこで効果が出るのか知りたいですね。現場向けの説明が出来るように教えてください。

AIメンター拓海

コストは主に二つ、1) どこをeta-expandするかを決めるための型情報の追加、2) 変換を挿入するコンパイラの実装です。効果は、型チェックの実装が浅いルールだけで済むため、保守性が上がりバグ源が減る点です。短期的には実装コストが出るが、中長期の運用コストを下げられますよ。

田中専務

現場の開発チームは『深いサブタイピング(deep subtyping)』という言葉で混乱しがちです。要するに運用で注意すべきポイントは何ですか。

AIメンター拓海

注意点は三つあります。1) どの値にeta-expansionを掛けるかを誤ると冗長なコードが増えること、2) 一部の型情報が不足していると適用できないこと、3) 自動変換のテストを十分に行うこと、です。これらは工程管理とテストで十分にコントロールできますよ。

田中専務

分かりました。では私なりに言うと、フロントで型の見た目を整えておけば内部の比較ルールを簡単に保てるということで間違いないですね。自分の言葉で言うとそんな感じです。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
スペクトルKD:周波数解析による視覚トランスフォーマーの解釈と蒸留の統一フレームワーク
(SpectralKD: A Unified Framework for Interpreting and Distilling Vision Transformers via Spectral Analysis)
次の記事
伝統的機械学習アプリケーションの性能特性と最適化
(Performance Characterization and Optimizations of Traditional ML Applications)
関連記事
偏極構造関数間の関係
(Relations Between Polarized Structure Functions)
アプリ説明文の良し悪しを決める要素
(What makes a good app description)
ランジュバン・アンラーニング:雑音付き勾配降下による機械的忘却の新視点
(Langevin Unlearning: A New Perspective of Noisy Gradient Descent for Machine Unlearning)
空気汚染に対する個別化健康応答予測のためのAIフレームワーク
(An AI-driven framework for the prediction of personalised health response to air pollution)
ランダム変数とその主成分の相関について
(On the Correlation between Random Variables and their Principal Components)
XNOR-VSH: 単一デバイスで符号付き重みを扱うVSHベースのコンパクトで省エネなシナプスクロスバー
(XNOR-VSH: A Valley-Spin Hall Effect-based Compact and Energy-Efficient Synaptic Crossbar Array for Binary Neural Networks)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む