ディープラーニングとは？AIや機械学習との違いを解説

10年前、スマホがここまで流行ると思っていたでしょうか。
ここまで多くの企業がテレワークを導入することを想像できたでしょうか。

テクノロジーの発展に伴い、私達の生活は歴史的に見ても類を見ないほどの速度で変化し続けています。
その中心には、間違いなくAI技術の発展があり、AI技術の発展にはディープラーニング(Deep Learning)の発明があります。

今回は、そんなディープラーニングについて詳しく解説していきます。

ディープラーニングとは

ディープラーニング(Deep Leaning)とは

コンピューター上で人間の学習能力、同様な機能を人工的に実現させる「機械学習機能」の一つであり、日本語では深層学習と言われています。

人間の脳神経細胞の仕組みを参考に考えられた「ニューラルネットワーク」が基盤に機械学習を行う技術です。
ディープラーニングは与えられた大量のデータから何らかの分類や規則性を提示できることが主な特徴です。
従来の機械学習技術では、人間が予めどこに注目するべきか指定するべき必要がありました。

例えば、ウサギの写真を機械に認知させるためには事前に耳に特徴があることを指定するべき必要がありました。
もし指定しなければ、機械はウサギと猫の見分けをすることができなかったのです。
そのため、様々な事象に当てはめることが出来ず、世間一般で広く使われることはありませんでした。

これに対し、ディープラーニングは事前に人間が特徴を指定しなくても、機械独自で特徴を見つけることが出来るため、時には人間が気づかないような特徴にも気づくことが出来るようになりました。

このディープラーニングの登場はAI研究において大きなブレークスルーでした。

特に顕著だったのが、2016年にGoogle傘下のDeepMindがディープラーニングを用いて開発した囲碁AIの「AlphaGO」です。
「AlphaGO」は囲碁世界チャンピオンのイ・セドル氏との対局で、今まで人が思いつかなかった手を繰り出し、最終的に勝利を収めました。
世界的に特に難しいと言われている囲碁でAIが人間に勝利をしたことは世界的に広く話題となりました。

ディープラーニング、AI、機械学習との関係性

ディープラーニング（深層学習）は機械学習とセットで話をすることが多いことから、両者は非常に混同しやすいです。本章では、両者の違い、そもそもAIについてを詳しく説明いたします。

上図は、AI、機械学習、ディープラーニング、それぞれの言葉が指す言葉の範囲のイメージになります。

AIとは

そもそもAIとは「Aritificial Intelligence」の略で、日本語約約で人工知能と呼ばれています。 辞書的な定義では、「コンピューターで記憶・推論・判断・学習といった人間の知能の持つ機能を備えたコンピューターシステム」と記載されています。 ただ、学術的な定義は専門家の間でも定まっていないのが現状です。 一般的な解釈として「コンピューターで人間の知能を模倣するための概念及び技術」と覚えておけば問題ないでしょう。

▼詳しいAIの説明についてはこちらから

機械学習との違い

機械学習とディープラーニングの機能的な違いは、情報処理能力、速度の差が挙げられます。

概念的な説明をすると、そもそもAIが人間の知能を模倣する上で重要なのが「学習」です。AIも人間と同じ様に、経験や知識がなければ適切な回答を導くことが出来ません。
人間がセットしたデータを基にルールや方法などを学習する方法を「機械学習（Machin Learning）」と呼びます。そしてその手法の一つに「ディープラーニング」があるのです。

ディープラーニングの仕組み

ディープラーニングは「ニューラルネットワーク」という技術を基盤に学習を進めていきます。

ニューラルネットワークとは「人間の脳内にある神経細胞（ニューロン）のネットワーク構造を模倣して考えられた数式モデル」です。

少しだけ横道にそれますが、私達は普段の生活で新しいことを学習したり、出来ることが増えたり、なにかを生み出したりしています。そして、そういった現象のことを私達は頭が良くなると表現しています。

ではなぜ、私達は頭が良くなるのでしょうか。

実は、この頭が良くなる現象の理由は「ニューロンが新しく増えているから」なのです。
新しいことを見たり、聞いたりすることで、感覚器官を通じてニューロンに情報が伝わります。そして何かを伝えたり、生み出したりすることで、情報が入ってきたニューロンから別のニューロンに伝わるのです。こういった事を繰り返すことでニューロンは増加し、結果的に頭が良くなるのです。

ニューラルネットワークは、このような脳の仕組みを数値化し、コンピューターに応用しているのです。

ニューラルネットワークでは下記図のように

入力層・・情報が入力される
出力層・・情報を出力する
隠れ層・・入力層と出力層の中間に位置する
この3つの層で構成されています。

ディープラーニングでは通常のニューラルネットワークに加えて、「隠れ層」が多層（ディープ）化しているため、ニューラルネットワークよりも複雑な情報に対応することが出来るのです。

ディープラーニングの応用事例

ディープラーニングの技術は様々な分野で活用されています。実は私達の生活にも非常に身近なところで関わっているのです。

レコメンデーション

おそらくほとんどの人がyoutubeなどで動画を見ているとと自分が興味がある分野の動画がおすすめに出てきた経験があるのではないでしょうか。あれが「レコメンデーション」です。
利用者の検索履歴、利用履歴などを基に、利用者にあった検索結果やweb広告を表示させるサービスを指します。

医療

薬の分子構造をディープラーニングを用いて、分析をすることで新薬発見の確率を高めることが出来ます。

実際に新型コロナウイルスのワクチン開発でも下記の記事のようにディープラーニングを用いることで短時間での解析に成功しています。
参考：ワクチンのスピード開発、人工知能が貢献（SWI swissinfo.ch）

自動運転技術

センサーが取得したデータの解析にディープラーニングが用いられています。センサーが映し出す映像から歩行者や自動車、白線、信号、標識などを認識し、自動車を次にどの様な制御をすればいいいか判断しています。

自然言語処理

自然言語処理とは、私達が日常で使っている言語をコンピューターに認識させる技術 のことです。

ディープラーニングが発表される前からすでにこの技術は存在していましたが、ディープラーニングと技術の根幹の親和性が高かったため、ディープラーニングの発表以降、急加速で技術の進歩、実用化が進みました。
身近な例を上げると、検索エンジンのGoogleも自然言語処理の技術を活用して私達に最適な検索結果を提供しています。

▼自然言語処理の詳しい解説はこちら

ディープラーニングの未来

AI,ディープラーニングの技術はまだ発展途上です。現在の技術では人間のように完全に機械主導で意思決定が出来るコンピューターは生まれていません。

また、ディープラーニングを用いて、機械が自律的に学習するときには、必ず人間が用意した「教師データ」が必要になります。
この教師データの取り扱いを間違えると、全く合理性にかけたアウトプットを出してしまうケースもあります。
こういったことから人類はまだAIを範囲を限定して、使うことしか出来ていないのです。

しかしながら、国や企業が多額の研究費を投じて新技術の開発、研究に着手しているため、人と齟齬なくコミュニケーションが出来る対話ロボット、完全自動運転車などの実現は遠くない未来でしょう。
そのときに使われている技術はディープラーニングかもしれませんし、また別の技術かもしれませんね。

▼AIがもたらす未来について詳しく解説

まとめ

いかがだったでしょうか。
今回はディープラーニングについて解説をさせて頂きました。

ディープラーニングは現在のAI研究において、根幹を担う技術になります。
私達の普段の生活にも密接に関わっている技術になりますので、こういったことを知っておくことは今後の社会では非常に重要になるでしょう。

最後までお読みいただきありがとうございました。

「AI関連ツールの導入を考えているけどなにから始めればいいのかわからない」
「業務効率化したいけど、どのツールを使えば良いのかわからない」
こういったお困り事があれば、お気軽に弊社リカイゼンにご相談くださいませ。

リカイゼンではITにおける様々な問題に対してお手伝いをしております。
お気軽にお問い合わせくださいませ。