海外の反応
2026年10月26日
【海外の反応】古いCNNが最先端LLMより皮膚がん診断で優秀と話題
Hacker Newsで、「10年前に作られたCNN(畳み込みニューラルネットワーク)が、最先端のLLMより皮膚がんの診断で優れている」という記事が話題になった。記事の著者自身もスレッドに参加し、使ったCNNはあくまでLLMとの比較用のベースラインで、最新の手法はVision Transformerのアンサンブルだと説明している。コメント欄では、「電卓が掛け算でLLMに勝つのと同じで驚くことではない」という意見と、「専用の分類器を作る手間を考えればLLMを一回呼ぶ方が合理的」という意見がぶつかり、汎用AIと専用モデルのどちらを使うべきかという実務的な論争に広がった。
10年前のCNNが、最先端LLMより皮膚がん診断で優れている
出典: lynchlab.net / 元記事はこちら
5
海外の名無しさん
2026-10-25 18:04
この記事を読んで知ったんだけど、SkinGPT-4というのがある。Natureの論文によれば、150件中80.63%の診断が皮膚科専門医から『正しい、または妥当』と評価されたらしい。これはこの記事のCNNより上の結果だ。CNNやGANが流行り始めた頃は衝撃を受けたけど、皮膚がん診断については、トランスフォーマー系のアーキテクチャの方が有望だと思う。
34
海外の名無しさん
2026-10-25 18:31
>>5 ここで使ったCNNアーキテクチャは明らかに古いものだ。LLMとの比較のベースラインとして使ったのと、スマホのブラウザでWebGPUを使ってデモできるくらい軽いモデルだったから選んだ。最近のアプローチはVision Transformerのアンサンブルを使っていて、臨床試験でも精度が実証されている。
6
海外の名無しさん
2026-10-25 17:55
電卓だって、LLMより掛け算や割り算は得意だしな…
35
海外の名無しさん
2026-10-25 18:03
>>6 世間では『LLMは何でもできる魔法の箱』だと思っている人が多いから、こういう現実確認は常にありがたい。
36
海外の名無しさん
2026-10-25 18:08
>>6 そう言われるけど、同僚からは『わざわざ新しいモデルを訓練する必要あるの?LLMに聞けばいいじゃん』という反応が増えている。分野やタスクを問わず、一部の研究者はいつも『LLM』で答えようとする。
39
海外の名無しさん
2026-10-25 18:03
>>6 LLMに簡単な電卓機能(MCP)を持たせれば、電卓の優位性なんて消えてしまうよ。
7
海外の名無しさん
2026-10-25 18:04
LLMは、それっぽく聞こえる答えを出すからといって、特定の用途向けに作られたモデルのように扱うべきではない。これは最近分かったことでもない。
8
海外の名無しさん
2026-10-25 18:41
ブラウザ上で動く皮膚分類器があるのは面白いけど、『最先端のモデルではない』と書いてある。当然の疑問として、ブラウザで無料で動く最先端モデルはあるのか?
10
海外の名無しさん
2026-10-25 18:02
うちの犬は、100m走(補助なし)で世界トップの研究者たちより速いよ。
11
海外の名無しさん
2026-10-25 18:00
別に驚くことではないと思う。片方は非常に狭いタスク専用で、もう片方は何十億枚もの画像や情報を含むコーパスを持っている。年数に関係なく、直感的にどちらが優れていてもおかしくない。
40
海外の名無しさん
2026-10-25 18:05
>>11 よかった、あなたが年金基金の運用担当じゃなくて。じゃなかったら大変なことになってた。
13
海外の名無しさん
2026-10-25 18:11
驚くことではないけど、こういう報告が参照できる形であるのはいいことだ。汎用LLMが専用の分類器と同じ性能を出せる唯一の方法は、そのLLM自体が専用モデルにアクセスできる場合だけだ。
14
海外の名無しさん
2026-10-25 18:14
まあ当然だよね。アルゴリズム取引でもXGBoostはLLMより優れている。トークン予測の手法を市場に応用しても、結局XGBoostの方が実質的に優れている。LLMにも使い道はあるけど、他のモデルにも使い道はある。
41
海外の名無しさん
2026-10-25 18:19
>>14 これのどこがニュースなの?『LLM以外のモデルも必要です』なんて、今さら言うまでもないことだろ。
15
海外の名無しさん
2026-10-25 18:04
研究目的として、DeepSeekやKimi、GLMのような中国系モデルとも比較してみてほしい。
17
海外の名無しさん
2026-10-25 17:59
念のため: ここでのCNNは『畳み込みニューラルネットワーク(Convolutional Neural Network)』のことです。
19
海外の名無しさん
2026-10-25 17:58
機械学習エンジニアとして言わせてもらうと、この記事はまったく有用ではないし、トップページに載るようなものではない。ごく小さなデータセットで、ファインチューニング済みのCNNと汎用モデルを比較しているだけだ。
44
海外の名無しさん
2026-10-25 17:59
>>19 『トップページに載るべきものではない』なんてものは存在しない。ふさわしくないと思うならフラグを立てればいい。そうでなければ、何を上位に上げるかはコミュニティが決めることだ。HNのトップページは、投票した人たちの関心を反映しているだけだよ。
20
海外の名無しさん
2026-10-25 18:05
>>2 あなたの意見には同意するけど、『知識の呪い』の典型的な間違いもしていると思う。分類器を作って訓練するようLLMに頼むには、正しい言葉を知っている必要がある。私たちはもうその言葉を知っているけど、普通の人にとっては決して簡単に学べるものじゃないし、みんな面倒くさがりだ。
45
海外の名無しさん
2026-10-25 18:27
>>20 今の最先端のコーディングエージェントなら、それは当てはまらないと思う。少なくとも、その傾向はどんどん弱まっていて、半年後くらいには実質的に無意味になっていると思う。
46
海外の名無しさん
2026-10-25 18:07
>>20 その『正しい言葉』自体をLLMに聞けばいいじゃないか、当然でしょ!
47
海外の名無しさん
2026-10-25 18:12
>>20 だから何?そもそも普通の人がガンの診断をしようとするべきじゃないだろう。
21
海外の名無しさん
2026-10-25 18:47
>>2 『本当にやりたいことに合わせて、ちゃんと動くものをLLMで作ればいい』というのは分かるけど、詳しくは知らないんだけど、それでも訓練用にかなりの量の関連データが必要になるんじゃないの?
22
海外の名無しさん
2026-10-25 18:32
>>2 それって『FTPサーバーがあるからDropboxは要らない』って言ってるようなものだ。みんな、分類器を学んで構築する手間を軽く見すぎている。一回のAPI呼び出しで済む方法もあるけど、良い分類器を訓練するのは大変なんだ。
23
海外の名無しさん
2026-10-25 18:31
>>2 専用の分類器を作るのはエンジニアリングコストがかなりかかる。既製のAPIの方が圧倒的に手間が少ないし、結果が十分良ければそれでいいじゃないか。
26
海外の名無しさん
2026-10-25 18:05
>>2 ハンマーを持ってしまえば、何でも釘に見えてくるってことだね。
28
海外の名無しさん
2026-10-25 18:04
>>2 用途によっては、LLMは足がかりとしても使える。自信度が高いケースにはそのまま使って早速メリットを得つつ、使用データを集めて専用モデルを訓練すればいい。
49
海外の名無しさん
2026-10-25 18:06
>>28 そのやり方で得られた特徴量を使って勾配ブースティング木(GBT)を訓練することもできる。多くの用途で手早く『そこそこ十分』なアプローチになる。
51
海外の名無しさん
2026-10-25 18:20
>>35 LLMは電卓プログラムを書くのはかなり得意だよ。
62
海外の名無しさん
2026-10-25 18:26
>>51 自分なら検証済みのものを使いたい。ALU(算術論理演算ユニット)での科学計算は厄介で、気をつけるべき落とし穴やハードウェアの制約がいろいろある。
52
海外の名無しさん
2026-10-25 18:06
>>39 それはそうだけど、ジュールあたりの性能はどうなの?
63
海外の名無しさん
2026-10-25 18:08
>>52 このざっくりした仮定の話で、ジュールあたりの性能が重要なら重要だし、重要じゃないなら重要じゃないよ。
53
海外の名無しさん
2026-10-25 18:20
>>39 『1+2』の答えを出すためだけに、文字通り数兆回の行列演算をするなんて想像してみてよ。
64
海外の名無しさん
2026-10-25 18:21
>>53 あなたのパソコンやスマホも、私のこのコメントを表示するためだけに何百万回もの演算をしたところだよ。
65
海外の名無しさん
2026-10-25 18:27
>>53 それ、だいたい私たちの脳がやってることと同じだね。
54
海外の名無しさん
2026-10-25 18:04
>>39 いや、そうはならないよ。もっと効率的で速くなるはずだ。
66
海外の名無しさん
2026-10-25 18:07
>>54 それは『性能』という言葉の解釈の話に過ぎない。今私たちは、XMLっぽいマークアップを解釈して90年代のテキストベースのJITスクリプト言語を動かす、ガチガチにサンドボックス化された仮想環境の中でやり取りしている。それがものすごく非効率でも、実質的に瞬時だから大した問題にはならない。
59
海外の名無しさん
2026-10-25 18:16
>>46 じゃあ試しに『私が賢くなくて思いつけていないだけで、本当はあなたに聞くべき質問は何ですか?』と聞いてみた。正直、答えはなかなか興味深かった。
67
海外の名無しさん
2026-10-25 18:43
>>59 すごく参考になる答えが返ってきて、聞いただけでプロジェクトが良くなりそうだ。
68
海外の名無しさん
2026-10-25 18:28
>>59 偶然にも、この議論を見る前に同じことをやってみたところだった。結局AIとヒューマニズムについて問答することになった。
この話題の背景と論点
この議論の背景には、AIの「汎用性」と「専門性」をめぐる対立がある。frontier LLMは画像認識を含め幅広いタスクに対応できると宣伝されるが、狭い領域に特化して訓練された小さなモデルは、データ量や計算コストの制約が少ない分、特定タスクでは上回ることが多い。スレッドでは、比較に使われたCNN自体が古く、Nature誌で報告されたSkinGPT-4のような新しい専用モデルはLLMよりもさらに高精度だという指摘もあり、「LLM対CNN」という対立軸自体が単純化しすぎという見方も出ていた。また、「CNN」をケーブルニュース局と誤解しそうな読者のために、畳み込みニューラルネットワークの略だと補足するコメントもあった。もう一つの軸は実務上のコストで、専用モデルの訓練にはデータ収集や検証の負担がかかる一方、LLM APIを呼ぶだけなら導入の手間が少ないという「作るか借りるか」の判断がエンジニアの間で割れていた。
※本記事は海外掲示板 Hacker News のスレッド「A 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosis」から抜粋し、編集部で日本語に意訳したものです。訳文の責任は当サイトにあります。
この記事のリアクション
まだコメントはありません。