ブロックチェーンの問題

先日、ブロックチェーンのイベントに行ってきました。

海外のブロックチェーン企業の事業内容やスマートコントラクトについてのお話を聴くことができました。

そこで感じたのは、ブロックチェーンにはまだまだ問題点があり、そこをいかに解決するかというのが海外で注目されているということです。

その問題というのは、スケーラビリティとセキュリティです。

①スケーラビリティ

ビットコインで扱える取引量は3tps(取引/秒)であり、VISAカードの2000tpsと比べてとても小さい値となっています。この問題を解決するために、ZILLIQAという会社は独自のブロックチェーンを開発しています。このブロックチェーンであれば、約2500tpsを実現するそうです。

詳細はhttps://www.zilliqa.com

②セキュリティ

スマートコントラクトの脆弱性を狙った事件としてはTheDAO事件が有名でしょう。Quantstampは、この脆弱性を発見する監査プロトコルを作成しました。

詳細はhttps://quantstamp.com

 

ブロックチェーンには世の中の構造を大きく変える力があるため、ついついそこだけ注目してしまいがちです。しかし、ブロックチェーンの技術にはまだ未熟な部分があります。ブロックチェーンの活用は長い目で見る必要があるでしょう。

トークンエコノミー

最近ブロックチェーンのイベントに行ってきました。ALISのCEO&CTOが登壇されていました。

ブロックチェーンの仕組みやICO、スマートコントラクトなど様々なお話があったのですが、特に印象に残ったのがトークンエコノミーでした。

トークンエコノミーとは貨幣の代わりとなるもの(トークン)を利用した経済のことです。

ALISの場合はALISトークンを発行しており、このトークンは良質な記事を書いた人や良質な記事をいち早く見つけたひとに配当されるようになっています。こうすることで、閲覧者は良質な記事を必死で探すようになり、良質な記事の作成者は評価されやすくなります。そして、コミュニティが評価されるとALISトークンの価値が上昇し、記事の作成者と閲覧者の両方に価値が還元されます。

ALISの仕組みで素晴らしいと思うのは、ユーザーが自発的にコミュニティを盛り上げようとする仕組みであることと、コミュニティ内で蓄積された評価データをコミュニティ外で利用することができるというところです。

トークンエコノミーをうまく利用すれば、今までの経済では隠れていた価値に光をあてることができるのではと思うので、引き続き情報収集をしていきたいです。

機械学習のための高校数学

最近、機械学習の入門セミナーにて高校数学を教えました。

関数、微分、数列、漸化式、行列など機械学習を理解するうえで欠かせない知識です。

ただ、この知識だけ教えても、「これは機械学習とどのように関係しているの?」という疑問をもたれてしまいます。

微分は誤差関数を最小にするパラメータを見つけ出すために必要ですし、数列・漸化式は勾配降下法の更新式で使います。

この疑問を解消ために、セミナーでは簡単な単回帰の問題を解いてもらいました。

モデルの定義⇒誤差関数の定義⇒最適なパラメータを求める

という流れを理解してもらって、数学と機械学習との関係も理解してもらうことを意図したのですが、

反応は良かったのでほっとしました。

ただ、これだけの数学的知識ではまだまだ不十分だなとも感じました。確率・統計には全く触れなかったのですが、この知識がないとベイズの識別規則や主成分分析などが理解できないでしょう。

分かりやすく書かれた数学の参考書は結構あると思うので、書店に足を運んでみて自分に合ったレベルの参考書で学んでもらえればいいなと思います。

ちなみに、統計学では「完全独習 統計学入門」という本が初学者向けの良書だと私は思っています。

 

fast.ai

DeepLearning(DL)を学ぶためにfast.aiが提供する無料オンライン講座を受講しています。

コースはpart1とpart2に分かれており、今はpart1で勉強しています。

この講座を受講していていいなと思ったことが2点あります。

①視覚的に教えてくれる

畳み込みや確率的勾配降下法などをエクセルを用いて視覚的に教えてくれるため、とても分かりやすかった。

②実践的に学べる

理論的な部分だけで終わるのではなく、kaggleに挑戦しながら勉強を進めるスタイルなので、理解が深まる。
モデルが過学習になった時に、データの拡張や正則化がよいというのは機械学習の本には書いてあるが、
実際にコードで書くと現実味があって頭に入りやすい

ただひとつ難点なのは全て英語であるということです。授業動画は英語ですし、授業の内容が書かれたノートも英語です。なので、授業動画でよく分からない部分はノートを精読しながら学習しています。

英語が得意な人は最初からfast.aiを利用してDLを学べばよいと思いますが、そうでない場合は日本語のDL参考書を読んである程度理解してからfast.aiを利用するとよいと思います。ちなみに私は後者です。

part1のlessonではCNN, 協調フィルタリング,NLPとやってきまして、次回はRNNを勉強する予定です。