ざっくりわかる「機械学習」---第2回　「機械学習」「ディープラーニング」の違い

ざっくりわかる「機械学習」シリーズ。
→目次ページ

第2回は『「機械学習」「ディープラーニング」の違い』です。

「1．人工知能(AI)」「2．機械学習」「3．ニューラルネットワーク」「4．ディープラーニング」の包括的関係

「1．人工知能(AI)」「2．機械学習」「3．ニューラルネットワーク」「4．ディープラーニング」は包括的関係にあります。

包括的関係

・「1．人工知能(AI)」は「2．機械学習」を包括
・「2．機械学習」は「3．ニューラルネットワーク」を包括
・「3．ニューラルネットワーク」は「4．ディープラーニング」を包括
・「1．人工知能(AI)」←「2．機械学習」←「3．ニューラルネットワーク」←「4．ディープラーニング」
のように、それぞれ包括し包括される関係性があります。

「2．機械学習」とは

「2．機械学習」とは、「1．人工知能」を実現するためのアプローチ手法/データ分析手法の1つで、「IT研究テーマ」「分野」「ジャンル」のような概念です。

概要については、こちらを参照ください。
→ざっくりわかる「機械学習」---第1回　機械学習とは(入門編)

「3．ニューラルネットワーク」とは

「3．ニューラルネットワーク」とは「2．機械学習」手法の1つです。

人間の脳の神経回路(ニューロン間相互接続)をモデルにして機械的に模倣する考え方で、対象のデータ特徴をさまざまな方向から検出し理解することを目的としています。

まだ人工知能という概念が存在していなかった時代から研究されていました。

「4．ディープラーニング」とは

「4．ディープラーニング」とは、「3．ニューラルネットワーク」を発展/拡張させた機械学習アルゴリズムです。「ディープラーニング(Deep Learning)」は、「深層学習」や「多階層ニューラルネットワーク(Deep Neural Network)」とも呼ばれます。

「4．ディープラーニング」と「3．ニューラルネットワーク」の違い

「3．ニューラルネットワーク」は入力～出力間の中間層が非常にシンプルですが、「4．ディープラーニング」はその中間層を何層にも重ねて、深く(ディープに)なっている点が特徴です。

中間層が多くなるほど、さまざまな特徴点を組み合わせて、高精度な特徴を見出すことができます。

「4．ディープラーニング」の優位点は「いちいち人間が関与しない自動化」

従来の機械学習の課題は、人間がパラメータ設定を行わなければならない点でした。例えば、色を識別する機械学習の場合、色の特徴点について、人間が1つずつ判断しパラメータ設定を行わなければならず、自動化を阻むポイントになっていました。

一方、「4．ディープラーニング」では、学習データから自動的に特徴を抽出し、自動的にモデル化していきます。

つまり、人間が1つ1つ関与しなくても、アルゴリズムが自律的に学習していきます。この点が革新的とされている理由です。

「ディープラーニング」の能力

ディープラーニングは性能/精度を高め続けています。特に画像認識分野で実用化されてきています。

「犬と猫を識別する」「犬の犬種を見分ける」などのことが可能となってきています。ディープラーニングでは、非常に細かい特徴点まで学習できるため、「子猫と子供ライオンの判別」などの人間でも難しい判別ができるようになってきています。

「画像を判別し、その画像に自動でキャプション(タグ)を付ける」こともできるようになってきています。キャプションが付くことにより、後で文字での検索ができるなどのメリットが生まれます。

「ディープラーニング」の可能性

ディープラーニングがもたらす可能性により、AI/機械学習の分野が大きく発展すると考えられています。応用範囲としては、画像認識/自然言語処理/音声認識などが想定されています。

自然言語処理/音声認識では、まだまだ発展途中ですが、さまざまな研究が行われ、特化したアルゴリズムが開発されていくに従い、この分野においてブレイクスルーを起こせる可能性について期待されています。

ざっくりわかる「機械学習」シリーズ。
→目次ページ