ディープラーニングとは

ディープラーニング（深層学習）は、ニューラルネットワークの層を何層にも深く重ねた機械学習の手法です。画像認識、音声認識、機械翻訳、生成AIなど、現在のAIの多くを支えています。

何が新しいのか

従来の機械学習では、データのどこに注目するか（特徴量）を人が設計し、その良しあしが精度を左右していました。ディープラーニングでは、特徴量そのものもデータから学びます。画像の例では、入力に近い層が線や色の変化のような単純な特徴をとらえ、深い層ほどそれらを組み合わせて、目や車輪のような複雑な特徴を表すようになります。学習には、出力の誤差を各層にさかのぼって伝え、重みを調整する誤差逆伝播法を使います。

発展の経緯

ニューラルネットワークの研究は、1940年代の形式ニューロンや、1958年に提案されたパーセプトロンにさかのぼります。しかし層を深くすると、勾配消失問題などで学習がうまく進みませんでした。2006年にヒントンらが、層ごとに事前学習してから全体を調整する方法を示し、深いネットワークを学習させる道を開きました。

大きな転機は2012年です。画像認識の競技会ILSVRCで、ヒントンの研究室のチームが開発したAlexNetが、2位に大差をつけて優勝しました。AlexNetでも使われたReLU関数やドロップアウト、その後のバッチ正規化などの工夫に、GPUによる計算の高速化と大規模なデータセットが加わり、急速に広まりました。

課題

性能を引き出すには、大量のデータと計算資源が必要です。また、内部の計算が複雑で、判断の根拠を人が理解しにくいブラックボックスの問題があります。

位置づけ

ディープラーニングは機械学習の一部で、機械学習は人工知能の一部です。ディープラーニングを使わないAIも数多くあります。

覚え方

「深い層が、特徴まで自分で学ぶ」と覚えます。