2011年のノンフィクションのベストセラー、『ファスト&スロー あなたの意思はどのように決まるか』（早川書房）（Thinking, Fast and Slow）でノーベル賞経済学者のダニエル・カーネマンは、人間の思考は基本的に2つに分かれると主張した。この2つの区分はそれぞれ、適切にも、速い思考と遅い思考と名付けられている。
前者はいわば「勘に頼る」思考だ。物事に対する最初の直感的、自動的な反応といってもいい。後者は熟慮された内省を経た思考で、これを得るには時間がかかる。DeepMindの新しいアルゴリズムがもたらそうとしているのは、この「遅い思考」だ。近い将来、カーネマンの言う「遅い思考」が機械学習の手が届く範囲に入ってくる可能性がある。
Googleの子会社、DeepMindはNatureに発表された新しい論文でディフェレンシャブル・ニューラル・コンピューター（DNC=differentiable neural computer）と名付けられた機械学習への新しいアプローチを説明している。新しいコンピューターといってももちろん物理的なハードウェアという意味ではない。情報を組織化し、この知識を適用して特定の問題を解決する新しいテクニックと呼ぶべきだろう。.
ニューラル・ネットワークは、本質的には、きわめて洗練された試行錯誤の過程だ。この過程が最終的に答えにたどり着く。こうしたフレームワークはある問題の解決に極めて有効だ。しかし相互に関連する既知の事実の集合を適用して現実世界の問題を解決する上ではさまざな改善の必要があった。
DeepMindの新しいテクノロジーは メモリにコンテンツを保存するというコンセプトと古典的なコントローラーをを用いたニューラルネットワークとを融合するものだ。コントローラーは次のいずれかの方法で情報を記憶する。すなわち新しい位置に記憶するか、既存の情報をその位置で書き換えるかだ。この過程を通じて新たなデータが書き込まれるタイムライン上で連想が形成される。
情報を取り出すためにコンテンツをメモリに保存する場合もコントローラーはその同じタイムラインをを利用する。このフレームワークはナビゲーション可能でコンテンツのグラフ構造から意味ある認識を得るのに有効であることが証明された。
消費者の購買傾向やGPSによるナビゲーションといった現実の複雑な行動がこうした知識グラフの形で表現される。DeepMindではデフェレンシャブル・ニューラル・コンピューターをロンドンの地下鉄路線図の認識に応用し、 コンピューターに記憶された構造化データから正しい経路を生成する生成することに成功した。
同社によれば、次のステップは、大規模なデータセットを処理できる新しいアルゴリズムの開発になるだろうという。
DeepMindのサイトでこの問題に関するさらに詳しい記事を読むことができる。
画像：Ralf Hiemisch/Getty Images
〔日本版〕 DeepMindはGoogleが買収した機械学習のスタートアップで、今年3月にAlphaGoが囲碁の世界チャンピオンを破ったことで一躍注目を集めた。differentiable neural computerについては現在日本語定訳がないようなのでそのままカナ表記とした。differentiableは数学用語では「微分可能な」、一般用語としては「区別できる」という意味。バベッジの最初のコンピューターがdifferential engine（差分機関）と名付けられたことと関係があるかどうかは不明。なおULR文字列がやや奇妙だが原文記事は通常どおり公開されているのでそのまま利用した。
[原文へ]
（翻訳：滑川海彦@Facebook Google+）
