Giltのディープラーニング応用

ディープラーニングはニューラルネットワークを起源として，マシンラーニングの中で急速に進化しているサブフィールドだ。最近のアルゴリズム的な進歩とGPUによる並列化の活用は，囲碁のようなゲームをマスタするだけでなく，ディープラーニングをベースとしたアルゴリズムによる実用的なアプリケーションをいくつも実現している。

ファッション業界はディープラーニングの対象分野のひとつだ。 Giltはディープラーニングを，製品のレコメンデーションや衣料品の特性による分類に使用している。ドレスのファセット，TPOやシルエット，襟ぐり，襟のタイプの自動識別には，FacebookのTorchライブラリをベースとして利用する。TorchではImageNetでトレーニングされたモデルを使用して，それぞれの写真に前もって付けられたタグを利用すると同時に，Gilt独自の機能によってそれを拡張する。システムはEBSとP2インスタンスを中心に，サーバあたり最大16GPUを提供するAmazonのクラウドインフラストラクチャを使用している。分類処理の品質のテストには，偽陰性と偽陽性の両方で計量可能なF1 Scoreを採用している。GiltではSaaSの代替サービスもテストしたが，精度とタグの両面で満足いくものではなかった。

一方で，ドレスコードに基づいた製品のレコメンデーションは，ディープラーニングを利用したイメージ類似性検索エンジンであるTiefVisionをベースとしている。TiefVisionもImageNetデータによる分類に基づいている点では同じだが，ニューラルネットワークの最終層を，新たに転移学習(transfer learning)と呼ばれる技術を使用した専用のネットワークに置き換えている。最初のステップとして，Yann LeCunn氏のOverFeatメソッドを使ったイメージの検出を行なう。服が見つかったならば，SiameseネットワークとHinge損失関数をトレーニングに使用する。

AmazonはAWSで選択可能なディープラーニングフレームワークとして，Intelがオープンソース公開したApache Spark用ディープラーニングライブラリのBigDLを利用したMXNetの開発を進めている。その幅広い応用範囲で異常検出の分野でも使用されるディープラーニングを見ていると，ソフトウェアが世界を席巻するだけでなく，ディープラーニングがマシンラーニングの世界を席巻するようでもある。