2020/06/12 2020/06/23

PyTorchの躍進を紐解く３つの視点（後編）

アクセス: 328

コメント: 0

<h1>視点２：産学にわたる研究コミュニティ</h1>

<h2>Facebookが誇る研究者集団 　</h2>
　PyTorchを開発しているFacebook社ではAIの研究者集団「Facebook AI Research（FAIR）」を抱えています[6]。2013年に設立されたFAIRのミッションは、AIの最先端技術を研究し、社会全体のAI技術の底上げを図ること。利益は追い求めない。研究結果はオープンソースで公開しており、「必ずしもFacebookのために研究しているわけではない」とさえ言います。<br />
 <br />
　FAIRはディープラーニングを用いた先端的な研究に取り組んでいます。いまやAIなしにSNSは成り立ちません。FAIRの研究成果はFacebookのサービスに数多く使われているそうです[7]。
<h4>コンテンツ・フィルタリング</h4>
　1日10億回の写真の投稿に対してポルノや犯罪、暴力に関する写真が含まれていないかを随時チェック。自殺をにおわせるような投稿、フェイクニュースなどもチェック

<h4>コンテンツの選定：　</h4>

<p>　各ユーザのニュースフィードに何を表示するかをランキングして表示。例えば、猫が好きな人のニュースフィードには猫を表示するなど</p>

<h4>写真の内容を言葉で説明する機能</h4>
　写真から「会議室に男性が1人、女性が5人います、会議をしているようです、窓の外にはビルがたくさん見えます」などと写真の内容を言葉で説明<br /><br /><br />
　FAIRが設立された時点での狙いは、コンピュータに人間と同じレベルのインテリジェンス(知能)を持たせることにあったとのこと。現在もその狙いは変わらず保持されており、今後もより高い技術の開発を続けて行く方針が掲げられているようです。<br />
 
<h2>AIのゴッドファーザーの影響力</h2>
　FAIRの設立者は、Yann LeCun 氏です。Yann LeCun氏はFacebook のチーフ AI サイエンティストであるとともに、ニューヨーク大学で教鞭もとっています。過去に日本企業にも在籍していたことがある同氏は、Yoshua Bengio氏、Geoffrey Hinton氏と並んでAIのゴッドファーザーと呼ばれているそうです（図5）。この３名は、ディープニューラルネットワークにおける功績で2018年の「チューリング賞(ACM A.M. Turing Award)」を授与されています。

<div style="text-align:center;"><br />
図5　Yann LeCun氏（一番左）[8]より引用<br /><img height="508" src="/p/eyv5ug7a8rvjdku8roim-68e3a7ac.png" style="width:760px;height:508px;" width="760" alt="eyv5ug7a8rvjdku8roim-68e3a7ac.png" /><div style="text-align:left;"><br />
　FAIRの研究に対するオープンな姿勢と、著名なYann LeCun氏をはじめとする産学でのディープラーニングのコミュニティがAI人材の求心力になっているのは間違いありません。このような取り組みが、研究者コミュニティにおけるPyTorchの強さにつながっているのではないでしょうか？<br /><br />
 </div>

<h1 style="text-align:left;">視点３：最新の研究成果の手軽な活用</h1>

<h2 style="text-align:left;">オープンなエコシステム</h2>

<div style="text-align:left;">　PyTorchでは、FAIRの研究成果が存分に生かされています。図6に示すように、PyTorchのEcoSystemでは、画像処理、自然言語処理といった様々な分野の30以上のライブラリやツール群があることがわかります。<br />
 </div>

<div>図6　PyTorchのEcoSystem<br /><img height="707" src="/p/d4t8i2uwd4dtzsm4sfe8-f1c073c5.png" style="width:777px;height:707px;" width="777" alt="d4t8i2uwd4dtzsm4sfe8-f1c073c5.png" /></div>

<div style="text-align:left;"> 
<h2>物体検出を可能にするDetectron2</h2>
　ここでは、この中からDetectron2 と呼ばれる物体検出を可能にするプラットフォーム[9]について見てみましょう。<br />
 <br />
　2018年にリリースされて以来、Detectronオブジェクト検出プラットフォームは、Facebook AI Research（FAIR）のオープンソースプロジェクトの中で最も広く採用されているプロジェクトの1つだそうです。Detectronは、もともとフレームワーク「Caffe2」上に構築されていました。<br />
 <br />
　2019年10月に発表された、Detectron2では一からPyTorchで書き直されています。図7のビデオでご覧いただけるように、様々なモデルとそのPre-Trainedモデルが実装されており、Bounding boxやInstance Segmentation等の物体検出を簡単に実装することができます。また、モジュール性が高く、ユーザがカスタムモジュールの実装をオブジェクト検出システムのほぼ全ての部分にプラグインすることができるそうです。<br />
 
<div style="text-align:center;">図7　Detectron2におけるPanoptic Segmentation（[10]より抜粋）<br /><img height="501" src="/p/2k5r7no8s5ty97ais3ay-94ef6648.png" style="width:892px;height:501px;" width="892" alt="2k5r7no8s5ty97ais3ay-94ef6648.png" /><br />
 </div>

<div>　FAIRからの最新の研究をタイムリーに使える便利さに加えて、PyTorchオープンな姿勢。PyTorchとFAIRの間の「スープの冷めないちょうどいい距離感」が、研究者コミュニティに支持されている人気の秘密であることは間違いないでしょう。<br />
 <br />
 
<h1>おわりに</h1>
　PyTorchの躍進を、筆者なりに紐解いてみましたが、如何でしたでしょうか？ 2019年には、ディープラーニングのフレームワークではPyTorchが順位を大きく上げ、TensorFlowに迫る勢いの一年でした。<br />
 <br />
　本記事では、PyTorchの躍進を3つの視点から紐解いてみました。1つ目の視点では、、研究者にとって使い勝手の良さについて、Define-by-Runをはじめとしてソースコードで具体的にご紹介しました。2つ目の視点では、Facebook AI Research (FAIR)を中心とした大学とも結びついた研究者コミュニティと、その裏側にあるゴッドファーザーの存在について見てきました。3つ目の視点では、物体検出アルゴリズムDetectron2を通じて、PyTorchとFAIRの間の「スープの冷めないちょうどいい距離感」について考察しました。<br />
 <br />
　産業界では依然としてTensorFlowのユーザが多いのが現状です。ユーザ数や、日本語マテリアルの数もありますが、PyTorchは開発に関わる機能が不足しており、まだ実運用に持ち込むのが難しいのが原因と言われています。PyTorchはこういった制約はあるものの、今後ますます躍進してゆくことは間違いないでしょう。今年は、ますますPyTorchから目が離せませんね。<br /><br />
 </div>
</div>
</div>

<h1>参考文献 </h1>
[6] Facebook Artificial Intelligence (<a href="https://ai.facebook.com/">https://ai.facebook.com/</a>)<br />
 <br />
[7]　日経トレンディ (2018). FacebookはAIなしに存在しない, 日経ビジネス, 2018/01/19 (<a href="https://business.nikkei.com/atcl/report/16/030800018/122600442/">https://business.nikkei.com/atcl/report/16/030800018/122600442/</a>)<br />
 <br />
[8] Metz, Cade. Turing Award Won by 3 Pioneers in Artificial Intelligence, The New York Times, 2019/03/19 (<a href="https://www.nytimes.com/2019/03/27/technology/turing-award-ai.html">https://www.nytimes.com/2019/03/27/technology/turing-award-ai.html</a>)<br />
 <br />
[9] Facebook(2019). Detectron2: A PyTorch-based modular object detection library, Facebook, 2019/10/10 (<a href="https://ai.facebook.com/blog/-detectron2-a-pytorch-based-modular-object-detection-library-/">https://ai.facebook.com/blog/-detectron2-a-pytorch-based-modular-object-detection-library-/</a>)<br />
 <br />
[10] Yuxin Wu(2019). Detectron2 - Next Gen Object Detection Library, 2019/11/06 (<a href="https://www.youtube.com/watch?v=egs0XN-xjA0">https://www.youtube.com/watch?v=egs0XN-xjA0</a>)<br />
 <br />
 
<h2> </h2>

PyTorchの躍進を紐解く３つの視点（後編）

人気記事ランキング

YOLOv5 登場！このプロ…

XGBoost（GBDT）とランダ…

噂のNotionですっきり、A…

PyTorchの躍進を紐解く３…

深層学習はシステム1から…

いいね！ランキング

XGBoost（GBDT）とランダムフォレストから…

ディープラーニングを学び始めた方へ　東…

深層学習はシステム1からシステム2へ

自己教師あり可逆性対応の強化学習（AIの…

深層強化学習によるチップ設計の自動化（A…

ユーザーランキング

タグランキング

深層学習

ディープラーニング

AI

deeplearning

Transformer