「機械学習・ディープラーニング」とは？キーワードからわかりやすく解説

1. 「機械学習・ディープラーニング」とは

ディープラーニングは機械学習の手法の一つで、多層のニューラルネットワークによって深層学習します。以前より類似の技術はありましたが、新たな画期的手法の開発、コンピュータ能力の向上、インターネット内情報の質と量増大により実用性が向上し、第三次人工知能のブームの牽引技術となっています。ディープラーニングの導入により音声や画像の認識率が格段に上がっています。

2. 「機械学習」とは

人工知能研究者の間ではよく知られたことですが、人工知能には難問として知られる「フレーム問題」「シンボルグラウンディング問題」というのがあります。これらは簡単にいうと、コンピュータは人間と同じような思考ができない、もっというと「概念」を持てないということをいっているわけです。

では、今はどの程度なのかといいますと、概念は持てないが「素性設計(Feature Engineering)」の課題はクリアできつつあるという段階にあるかと思います。素性設計というのは「どんな特徴量に着目して最適化すればいいのか」ということで、従来は人間が着目すべき特徴量をあれこれ考えてきました。2010年代にGoogleの猫が話題になったのは、猫の特徴が何か（例えば、顔のしま模様、目の形、耳の形など）を人が指定することなく、ディープラーニングの階層モデルが自動的に抽出できたということにありました。

これ以降、ディープラーニングの階層モデルは急速に研究が進み、RNN、LSTMなどのような過去情報を記憶するモデル、GANsのような識別能力を鍛えるモデル、Q値計算にDNNを活用した強化学習であるDeep Q-learningなどが次々と考案されてきています。

機械学習と称される手法は以前から様々なものが知られています。確率統計解析の世界では、正規分布をメインにした２σ、３σの管理の考え方、相関関係、回帰分析などが適用されてきました。

3. 「ディープラーニング」とは

ディープラーニングは、第三次人工知能のブームの牽引車となっています。ディープラーニングの導入により音声や画像の認識率が格段に上がっています。セミナーなどでもディープラーニングの要望は非常に強く感じます。しかし、ディープラーニングは、統計学や従来の機械学習の基盤のうえに成り立つ技術であるので、ディープラーニングのみを学習すれば事足りるというものではありません。きちんと使いこなせるようになるためには、いくつかのステップを踏む必要があります。

◆機械学習とは【連載記事紹介】