イベントレポート「Shibuya.lisp #48」
Shibuya.lisp #48に聴衆として参加しました。Shibuya.lispは、毎月開催されるLispユーザの交流の場です。僕が参加し始めたのは、Lisp Meet Up presented by Shibuya.lisp #38 - connpass からです。
Shibuya.lispの参加者は年齢層が広く、個性豊かでとても楽しいです。
Twitterハッシュタグ
Twitterでは、 #lispmeetupで、参加者が各々好き勝手にコメントしています。当日の雰囲気がわかるかもしれません。
モーメント
開催中僕が実況していたので、それらをモーメントとしてまとめ直しました。興味のある人は見てみてください。
発表は2件とも機械学習の話
今回の発表は、2件とも機械学習の話。両方とも、自作したCommon Lispライブラリを活用した機械学習について話していました。
- 『Deep Latent Spaceにおける汎用プランニング』
- 『cl-online-learningによる文書分類』
Deep Latent Spaceにおける汎用プランニング
日本では、Deep Learningがとても注目を集めています。世の中には、Deep Neural Networkがすべてのタスクをこなしてくれる銀の弾丸だと思っている人もいますが、そうではありません。と、Asaiさん。
Deep Neural Networkは、反射的・直感的なタスクには有効だが、さらに抽象度の高い行動計画は難しいらしいです
Deep Neural NetworkとAI研究の融合
機械学習やDeep Learningの先にある、行動計画のための推論・探索、論理も重要だと述べていました。 Asaiさんは、Autoencoderによって圧縮したデータ列をドメイン非依存ソルバに食べさせて、8パズルを解くアイデアを実現していました。
研究中に制作されたライブラリbit-ops
上記の研究の中で、ビット演算を高速に行うライブラリbit-opsを開発したことを明かしました。 どのようなアルゴリズムかは僕はまったくわかりませんが、コンパイラで使うようなアルゴリズムを利用していたのがとても印象的です。
Common Lispでビット演算を行っていると大量のconsingが作られて、思うようなパフォーマンスがでなくなることがきっかけでライブラリを作ったと話していました。
cl-online-learningによる文書分類
この発表では、msatoiさんが作成したライブラリの紹介をしてくれました。Common Lispで書かれたオンライン学習用ライブラリ(cl-online-learningの紹介です。
cl-online-learningを利用してlivedoor ニュースコーパスを文書分類したとのことです。 文書分類などの研究では有名な、tf-idfという特徴量を用いて、分類したところ深層学習で行ったものとくらべて高速で精度が高かったと発表していました。
それぞれのアルゴリズムは得手不得手があるので、ちゃんと調査しましょうと暗におっしゃっていました。
発表時のスライド
www.slideshare.net
紹介されたライブラリcl-online-learning
次回は2月23日のClojure回
次の開催は、2月23日です。もうすでに募集が始まっているので、Lispが気になっている人はぜひ参加してください！
