ディープラーニングって何?人工知能と機械学習との違いは?

最近(2018年夏)、ロボットに関するニュースの中で、人工知能(Artificial Intelligence、AI)に関する話題が多くなってきました。

特に機械学習(Machine Learning、ML)ディープラーニング(Deep Learning)という言葉はよく耳にすると思います。

僕も、ロボットやAI技術に関する研究をする身として、特にディープラーニングにはとても関心があります。

しかし、このディープラーニングと人工知能・AI技術の関係性って分かりますか?

また、機械学習とディープラーニングの違いについてはどうでしょう?

今回の記事では、これらのキーワード

  • 人工知能(AI)
  • 機械学習
  • ディープラーニング

について関係性と違いを紹介していきたいと思います。

AI(人工知能)とは

人工知能(またはAI)とは、コンピュータによって人間の知能を実現したものです。

人工知能(AI)には様々なレベルがあり、とても単純なシステムから、人間でも理解が難しい複雑なシステムまで幅広く定義されています。

人工知能の例

とても簡単な例として、エアコンの温度調節を上げたいと思います。

温度計(センサ)を使って部屋の温度を測り、設定温度よりも高ければ冷房を、設定温度よりも低ければ暖房を付けるといったものです。

すごく単純で当たり前のシステムですが、人間のようにエアコンが自動で温度調節を行っている点を考えると、このシステムは人工知能と言えば人工知能です。

機械学習とは

機械学習(マシンラーニング)とは、人工知能分野の中の1つで、与えられたデータを解析して、そのデータから有用なルールや法則、判断基準などの抽出を行う技術です。

従来の技術との違いとして、機械学習では予めすべての動作をプログラムされているわけではなく、与えられた情報を基に自ら学習をすることで、必要な法則やルールを見つます。

与えられた大量のデータから法則を見つけ出すため、統計学で使用する技術を多く用いています。

機械学習の例

日々送られてくる電子メールに対して、大事なメールとスパムメールとを分類するといった問題を考えます。

この分類するルールを実際に人間が作成しようとすると、NGなキーワードを一つ一つ設定する必要があり、とても大変です。

そこで、機械学習を用いてスパムメール検出用のルールをコンピュータ自身に作成させることで、人間がルールを設定する手間が省け、また検出精度の向上も望むことが出来ます。

ディープラーニングとは

ディープラーニングとは、日本語で深層学習と呼ばれ、機械学習をさらに進めた技術の事を言います。

機械学習では、コンピュータにデータを与えて法則を見つけていましたが、この際の学習手法については人間が決定していました。

深層学習(ディープラーニング)では、この学習法自体もコンピュータが見つけ出して最適な学習を行うことが可能になります。

このディープラーニング(深層学習)には、ニューラルネットワーク(Neural Network、NN)を用いたモデルが多く使用されています。

深層学習の例

猫と犬の判別をする問題を考えます。

僕たち人間は、猫と犬の写真を見せられた時、どちらが猫でどちらが犬か大体は分かると思います。

ただ、この時の判断基準は何でしょう?

犬も猫も、目が二つで、鼻と口が一つづつで、耳が顔の両側にあって…

結果的に、判別するための明確なルールは示すのが難しく、きちんとしたルールもない中で何となく判断している事になります。

この何となくという問題も学習できるようになったのが深層学習、ディープラーニングです。

従来の手法では、明確なルールや特徴量が無ければ解けなかった問題が、ディープラーニングを用いることで自ら特徴量を抽出し、概念を理解して解くことが出来るようになります。

AI・機械学習・ディープラーニングの関係

AI(または人工知能)、機械学習(またはマシンラーニング)、ディープラーニング(または深層学習)の3つの関係は下の図のように表すことが出来ます。

人間の知能をコンピュータ上で実現したものが人工知能です。

この人工知能の中の手法の一つとして、与えられた情報を基に自ら学習をすることでルールや法則、判断基準などの抽出を行う技術が機械学習です。

そして機械学習技術の中で、特徴量をコンピュータ自ら判断することが出来る手法がディープラーニングです。

まとめ

今回は、よく耳にするAIや機械学習、ディープラーニングについて、それぞれの紹介と違いや関係性を紹介しました。

スポンサーリンク
レクタングル(大)広告
レクタングル(大)広告

シェアする

  • このエントリーをはてなブックマークに追加

フォローする

関連コンテンツ