物理学者,機械学習を使う ー機械学習・深層学習の物理学への応用ー

この本自体には記載がありませんが、Amazonの表示では、読者対象が物理学専攻の学部生・院生・研究者となっていて、まえがきでも「学術書」と位置付けられている、この本ですが、一般向けの機械学習・深層学習の解説書を読んだ程度のレベルで、物理に特段の関心もない自分でも(意味不明な専門用語の洪水ですが)著者の先生方の語り口の巧みさもあって話の流れは充分追えます。先日ひと昔前の理系の学生向けの教科書を読もうとして訳の分からなさに学生時代のトラウマが蘇った自分としては、何にせよ分かりやすさが一番だと思うので星5つです。ちなみにこのところ統計の本を読んでいて、ベイズだのガウスだのマルコフだの人名由来の良く分からないものが出て来るので、中身が分かる名前にしてくれないものか、と思ったりもしましたが、物理学の本の場合は、人名が付いた良く分からない専門用語が変にカッコよかったりもします。ところで、この本は物理学の分野別にまとめた4部構成になっているので題材が多岐に渡るものと思いましたが、案外分野にあまり関係せずに「イジング模型」と「ボルツマンマシン」が良く出て来ます。この２つの言葉が良く出て来るのは、深層学習がブームになるより前に、イジング模型などのスピン系のモデルにボルツマンマシン(またはその前身のホップフィールドネットワーク)を適用させたことが物理分野での機械学習の適用の端緒になっている(間違っていたらごめんなさい)ことが関係しているようです。おそらくは、その関係もあって、まえがきには、この本がまとめられたきっかけとしてディープラーニング(深層学習)の文字がありますが、書名自体は「機械学習」になったのではないかと思います。そんなわけでボルツマンマシンは最後の方で登場頻度が高くなっていてRBM、GRBMと進んで来て、編者の先生が担当の最終章でラスボスの如く深層ボルツマンマシンが登場しますが、深層ボルツマンマシンは「学習に困難があるため、」結局普通の深層学習フレームワーク(P.191にPyTorchとあります)を使った、とのくだりは腰砕け感が否めません。ボルツマンマシンに限らず、この本では随所に計算量(計算コスト)が問題として出て来ますが、高邁な理想を追った物理学の理論は自分には理解不能だとしても、計算量は自分にも理解可能な問題に満ちた現実で、冬休みに俄に計算量削減に目覚めた自分には興味深い話も多いので、よく読んで勉強させてもらうことにします。なおこの本の読者は必要としていないと思いますが、ソースコードの類は一切載っていません(使用言語・計算環境については簡単に付記されています)。