Deep Learning(深層学習)とは?

本記事では、Deep Learning(深層学習)について解説していきます。
前回の記事で「人工知能と機械学習の違い」について説明しました。
今回は、Deep Learning(深層学習)について解説したいと思います。

1、AI(人工知能)・ML(機械学習)・DL(深層学習)の定義
まずは、それぞれがどんなものなのかをみていきましょう
AI(人工知能)
AIの定義はたくさんありますが、そのひとつは「現在、人間がよりよくできることをコンピュータができるように、コンピュータをいかに訓練するかを研究すること」です。つまり、人間が持っている能力をすべて機械に持たせる知能ということになります。
AIには、大きく分けて3つのカテゴリー/タイプがあります。
人工狭義知能(ANI)
人工一般知能(AGI)
人工超知能(ASI)
応用例は、GoogleのAIによる予測、UberやLyftなどのライドシェアアプリ、民間航空機はAIによる自動操縦を利用、などがあります。
ML(機械学習)
機械学習は、コンピュータが経験を通じて自動的に学習し、それに応じて改善することを提供する研究/プロセスです。機械学習は、AIのアプリケーションまたはサブセットです。また、MLの主な目的は、人間が介入したり支援したりしなくても、システムが経験を通じて自ら学習できるようにすることです。
MLには大きく分けて3つの種類があります.
教師あり学習
教師なし学習
強化学習
応用例は、バーチャルパーソナルアシスタント。Siri、Alexa、Googleなど、メールスパムやマルウェアフィルタリングなどがあります。
DL(深層学習)
基本的に機械学習の広いファミリーのサブパートであり、人間の脳のような動作を模倣するためにニューラルネットワーク(私たちの脳で働く神経細胞に似ている)を利用するものです。
DLのアルゴリズムは、情報処理パターンのメカニズムに着目し、人間の脳が行うようにパターンを識別し、それに応じて情報を分類するものです。MLと比較すると、DLはより大きなデータセットで動作し、予測メカニズムは機械によって自己管理されます。
DLは、4つの基本的なネットワークアーキテクチャのいずれかに属する、多数のパラメータ層を持つニューラルネットワークと考えることができます。
教師なし事前学習ネットワーク
畳み込みニューラルネットワーク
リカレントニューラルネットワーク
再帰的ニューラルネットワーク
応用例は、センティメントに基づくニュース集約、画像解析とキャプション生成などがあります。
2、Deep Learning(深層学習)とは
深層学習は、ニューラルネットワークはとも呼ばれ、特に複雑なニューラルネットワークの一種で、多層のニューロンを持ち、複雑なデータを処理することができます。
ニューラルネットワーク(Neural Network)は、人間の脳のように、大量の複雑なデータを処理して知識を学習することができるコンピュータシステムを指します。人工ニューロンと呼ばれる単位から構成されて、入力データを受け取り、出力データを生成します。
それらのニューロンは層と呼ばれるグループに分類され、それらは入力層、中間層、出力層に分かれます。
ニューラルネットワークは、大量のデータを学習し、それを使用して新しいデータを予測することができることで、画像認識、自然言語処理、音声認識などの様々なタスクに利用されています。
3、Deep Learning(深層学習)が使われている分野
ディープラーニングは、深層学習の一種で、大量のデータを学習し、人間のように複雑なタスクを実行することができるニューラルネットワークを構築することができます。
そのため、ディープラーニングは以下のようなタスクに特に適しています。
画像認識:画像から物体や顔を認識し、分類することができます。スマホの顔認識などがそうですね。
自然言語処理: 文章を理解し、文章生成、翻訳、質問応答などのタスクを実行することができます。
音声認識:音声認識システムの性能を向上させることができ、音声からテキストを変換することができます。
強化学習: コンピュータが自己学習することができ、ゲームプレイやロボット操作などの強化学習タスクに利用されます。
まとめ
Deep Learning(深層学習)は、人工知能や機械学習の分野で非常に有望な技術であり、将来的にさらに進化して、様々な産業や領域で用途を拡大する可能性があります。
例えば、画像認識、自然言語処理、医療などでますます深層学習が活用されることが期待されています。
また、自然言語生成や強化学習などにも期待が寄せられており、将来的には、より自然で人間のようにコミュニケーションをすることができるようになる可能性もあります。
次回は、それぞれの活用事例についてシェアさせていただきたいと思います。