ディープラーニング
多層のニューラルネットワークで大量データから特徴を自動学習する機械学習手法です。
用語解説
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、AI（人工知能）の一分野である機械学習の手法の一つで、日本語では深層学習とも呼ばれます。
数理モデルであるニューラルネットワークを多層に重ね、データに含まれる複雑な規則性を学習します。
特徴（どこに注目するか）を人間が細かく設計しなくても、学習データから有用な特徴を見つけて精度を高められる点が特長とされます。
従来の機械学習との違い
従来の機械学習は、入力データから使う特徴を人間が設計することが多いです。一方でディープラーニングは、特徴抽出まで含めて学習させる方法として扱われます。
| 比較項目 | 従来の機械学習 | ディープラーニング |
|---|---|---|
| 特徴の抽出 | 人間が特徴量を設計することが多いです | データから特徴を自動学習するとされます |
| 必要なデータ量 | 比較的少量でも成立する場合があります | 大量のデータが必要になりやすいです |
| 計算資源 | 比較的少なくて済む場合があります | 計算量が大きくGPUなどを使う場合があります |
| 適用例 | 表形式データの分類や予測など | 画像、音声、自然言語などで高精度が期待されます |
仕組みの概要
ニューラルネットワークは、入力を受け取り、内部で変換し、結果を出力する構造です。ディープラーニングは、この内部の層（隠れ層、中間層）を多層にします。
| 層の名称 | 役割 | 入力と出力の例 |
|---|---|---|
| 入力層 | データを受け取る層です | 画像の画素値、音声の波形、文章の単語IDなど |
| 隠れ層（中間層） | 特徴を段階的に抽出、変換する層です | 低次の特徴から高次の特徴へ変換します |
| 出力層 | 最終結果を出す層です | 分類結果、予測値など |
多層にすることで、単純な特徴から複雑な特徴まで段階的に表現できるとされます。
代表的な手法
-
CNN（畳み込みニューラルネットワーク）
-
RNN（再帰型ニューラルネットワーク）
-
GAN（敵対的生成ネットワーク）
それぞれ得意なデータの形や目的が異なるため、用途に応じて選ばれます。
理解のポイント
-
「ディープ（深い）」とは、隠れ層（中間層）が多層であることを指し、隠れ層が多いニューラルネットワークを使う手法です。
-
特徴量を人が設計するより、データから自動学習させる考え方です。
-
損失関数、誤差逆伝播法、勾配降下法が基本要素です。
-
学習には大量データと計算資源を必要としやすいです。
発展知識
関連用語
| 用語 | 概要 |
|---|---|
| AI（人工知能） | コンピュータに知的な処理を行わせる技術の総称です |
| 機械学習 | データから規則性を学び、分類や予測を行う手法です |
| ニューラルネットワーク | ニューロンの結合を参考にした計算モデルです |
| 教師あり学習 | 正解ラベル付きデータで学習する方法です |
| 教師なし学習 | 正解ラベルなしで構造やパターンを見つける方法です |
| 強化学習 | 行動の結果（報酬）を基に方策を学習する方法です |
| GPU | 並列計算に強い処理装置で学習を高速化する用途があります |
| 過学習 | 訓練データに過度に適合し未知データで精度が下がる現象です |
※本解説は生成AIによる学習支援用の参考情報です。内容の正確性や最新性は保証されません。生成された回答を再確認するようにしてください。