PyTorch によるコーダーのための AI および ML

はじめに

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

PyTorchのコーダーのためのAIとMLへようこそ。私のマシン学習（ML）の旅は、何年も前にLispやPrologのような言語やフレームワークから始まった。その後、Googleに転職し、TensorFlowの立ち上げと成長に貢献した。この経験は、私の前著『コーダーのためのAIとマシンラーニング』に反映された。

この本を出版して以来、AIについて話すためにコミュニティと会うたびに、ある質問が出た。最初は奇妙な質問だったが、聞けば聞くほど、私は調査を始めた。

PyTorchはかつて私の仕事のライバルだったが、今では情熱的に受け入れている。なぜか？PyTorchは、研究者や高度なエンジニアが限界に挑戦できるパワーと柔軟性を持ちながら、どんな開発者でも手に取ってMLへの旅を始められるシンプルさも併せ持つという、絶妙なバランスを保っているからだ。

本書のゴールは、コーダーであるあなたにその準備をさせることだ。まだMLを完全に理解していなくても十分に理解でき、さらに深く理解するための高度な概念にも触れることができる。目的は、博士号がなくてもMLやAIの開発者になれるようにすることだ！

本書があなたの役に立つことを発見し、この素晴らしくやりがいのある旅を始める自信を与えてくれることを願っている。

この本を読むべき人

AIやMLに興味があり、データから学習するモデルの構築を素早く始めたい人。一般的なAIやMLの概念（コンピュータ・ビジョン、自然言語処理、シーケンス・モデリングなど）に興味を持ち、これらの領域で問題を解決するためにニューラルネットワークをどのように学習させることができるかを知りたいなら、本書を楽しめると思う。また、生成AIをめぐる大騒ぎを耳にしたことがあるなら、トランスフォーマーやディフューザーをベースとしたモデルがどのように機能するのか、袖をまくって探ってみよう。

本書では、コードファーストのアプローチで、PyTorchを使ったMLや人工知能の世界がいかに簡単に始められるかを紹介する。

この本を書いた理由

私が初めて人工知能に真剣に取り組んだのは1992年の春だった。物理学を卒業したばかりの私は、ひどい不況の真っ只中のロンドンに住み、半年間失業していた。英国政府はAI技術を20人養成するプログラミングを開始し、応募者を募集した。私は最初の参加者として選ばれた。なぜなら、AIでできる理論的な仕事はたくさんあったが、それを実践的に行う簡単な方法がなかったからだ。Prologと呼ばれる言語で簡単な推論を書き、Lispと呼ばれる言語でリスト処理を実行することはできたが、それらを産業界にデプロイする明確なパスはなかった。有名な「AIの冬」が続いた。

そして2016年、私がGoogleでFirebaseという製品に携わっていたとき、同社はすべてのエンジニアにMLのトレーニングを提供した。私は他の何人かと一緒に部屋に座り、微積分や勾配降下についての講義を聞いた。私はこれをMLの実用的な実装に結びつけることができず、突然1992年にタイムスリップしてしまった。私はこのことについて、また、MLの教育をどのように行うべきか、つまりコーダーにはまずコードを教えるべきだということについてフィードバックを行った。Googleはこの哲学を受け入れ、MetaもPyTorchをリリースした。

特に、両者とも開発者が簡単に始められる高レベルのAPIを強調していた。私は、これを利用し、MLへのアクセスを広げ、もはや数学者や博士のためだけのものでなくする本が必要だと気づいた。 ...