発注ラウンジは、システム開発の発注に必要な様々なノウハウや発注ナビで実際に開発された発注者様のインタビューなど、発注担当者様のための情報発信サイトです。

ディープラーニングと機械学習は何が違う?それぞれの特徴を解説

ディープラーニングが登場してから、3度目の人工知能(AI)ブームが来ているといわれ、近年はメディアでもよく取り上げられています。
機械学習はコンピュータに人間のような学習機能を持たせたもので、ディープラーニングは機械学習がさらに発展したものです。 }
今回は、人工知能が大きく進化するきっかけとなったディープラーニングと機械学習の違いや、機械学習を活用した事例についてご紹介します。

Deeplerning2-min

 

目次

 

人工知能(AI)の飛躍的な進化

人工知能はAI(Artificial Intelligence)とも呼ばれ、人間のような知能を持って推測や思考を行うコンピュータを人工的に実現しようとする技術です。人間の脳や思考を基にしているため、多くが「ハード(脳)」と「ソフト(思考)」の両方を含んだシステムになっています。

●従来の人工知能とこれからの人工知能

人工知能と通常のプログラムでは、基になるデータを参考に「推論する」のか「処理する」のかという違いがあります。従来の人工知能は、統計分析を基本にした推論がメインでした。人間が必要なデータを入力し、そのデータに沿ってコンピュータが推論を出力します。
一方、通常のプログラムは入力された命令に従って処理を行うだけで、結果や入力されたデータを基に自ら推論することはできません。工場などで稼働しているロボットも同じで、プログラムに従って決まった動作を繰り返すだけです。

これからの人工知能は、機械学習やディープラーニングと呼ばれる手法で、コンピュータが自分で学習するようになります。機械学習やディープラーニングは、人工知能に関する研究の成果です。入力されたデータを基に従来の人工知能で行っていた推論を何度も繰り返し、アルゴリズムを自分で修正して、結果を出力します。

●人工知能が進化した2つの理由

2010年以降、第3次人工知能ブームと呼ばれるほど人工知能が一気に進化したのには、2つの理由があります。
1つは、ビッグデータの活用によって大量のデータを処理できるようになったことです。人工知能はデータを基にして推論して学習するものなので、データが多ければ多いほど効果的です。

もう1つの理由は、コンピュータのハードウェアとしての性能が飛躍的に向上したことです。人工知能の研究が始まった1950年代は、まだコンピュータのパワーが足りず、大量のデータを扱うことができませんでした。しかし、近年はスーパーコンピュータでなくても多くのデータを扱うことができ、これにより機械学習が実用的になりました。
さらにコンピュータだけでなく脳科学の研究成果を取り入れ、脳がどのように思考しているかをより正確に再現できるようになりました。これはディープラーニングの分野で活かされています。

 

機械学習の基礎知識

機械学習はMachine Learning(マシンラーニング)とも呼ばれ、人間の脳と同じ学習機能をコンピュータに持たせる技術です。

●機械学習とは?

機械学習ではコンピュータに与えたデータを基に推論を繰り返し、そこからデータを分類し、規則性やパターンを見つけ出します。そして新たなデータにも、見つけ出した基準を当てはめて結果を予測します。これを繰り返すことで、推論のアルゴリズムを自分で作成します。その動作が、機械が自分で学習しているように見えるため「機械学習」と呼ばれています。

●機械学習の仕組み

機械学習は、統計のようにデータを規定の理論に当てはめることは行いません。まず、コンピュータが入力された大量のデータを分類・分析して繰り返し学習し、これを繰り返して、その結果からデータの中の規則性やパターンをアルゴリズムとして認識します。新しいデータに対しても、これまでの結果から自律的に認識したアルゴリズムに基づいて答えを出力します。
機械学習によって、大量のデータを短時間に分析し、正確な結果を導き出せるようになりました。これは企業経営や医療など、さまざまな方面に応用できる技術です。

 

機械学習とディープラーニングの違いとは?

人工知能が急速に進化するきっかけとなったディープラーニングは、囲碁の対局でプロ棋士を破ったことで一躍話題となりました。

●機械学習とディープラーニングの違い

ディープラーニングは、機械学習における手法の1つです。IT分野の1つとして確立している機械学習の中に含まれており、機械学習の中にディープラーニングというジャンルがあります。
機械学習は、データ分析で規則性を発見していましたが、基になる判断基準はあらかじめ与えられていました。一方、ディープラーニングは、大量のデータを分析するうちに判断基準そのものを自分で作成し、それに基づいてさらに学習を繰り返し、進化していきます。

●ディープラーニング(深層学習)とは?

ディープラーニングは、日本語で「深層学習」と呼ばれ、多層のニューラルネットワークからなる機械学習です。人間の大脳皮質の回路モデルを模したアルゴリズム(ニューラルネットワーク)を発展させてできているため、「ニューラルネットワーク」とも呼ばれています。

ニューラルネットワークを基にしたアルゴリズムはこれまでにも存在しましたが、ディープラーニングでは入力と出力の間の中間層にあるニューラルネットワークが飛躍的に多くなっています。これまでのニューラルネットワークの多くは、2~3階層のモデルでしたが、ディープラーニングでは150以上の階層を持つものもあります。
この階層の深さを利用して、より深層まで学習を繰り返すことで機械学習の精度を高め、複雑な判断ができるようになりました。

 

さらに広がる機械学習の活用事例

機械学習は、大量のデータを扱うことに向いており、専門分野に特化してすでにいろいろな分野で活用されています。

●医療分野での活用

機械学習は、レントゲンやMRIなどの画像診断装置の読み取り精度をアップさせます。あらかじめ、ガン細胞や白血球などの画像を学習させることで、読影の精度を上げて、画像診断での見落としを防ぐことができます。
また、ウエアラブル端末と医療機器を接続させ、そのデータを機械学習で分析することで、それぞれの患者に合った治療方針を作成することも可能です。

●ECサイトでの活用

Amazonでは機械学習を使って、ユーザーに「おすすめ商品」を表示しています。これをレコメンド機能といいます。ユーザーの購入履歴から商品の購入傾向を分析することで、「こちらの商品にも興味を持つだろう」と推論される商品をレコメンドしています。大量のデータを基にさらに分析すれば、個人によって異なる購買需要も正確に予測できます。

●スパムメールの検知

Googleは、Gmailのスパムフィルターに機械学習を使用しています。当初は、あらかじめ設定された特定の単語を含むメールをはじくだけでしたが、近年は単語だけでなく、いくつかのキーフレーズの組み合わせで迷惑メール(スパム)を判別しています。これにより、通常のスパムだけでなく、フィッシングメールやマルウェアを含むメールもメールボックスに表示されないようになっています。

このように、機械学習はさまざまな分野でエキスパートシステムとして利用されています。

 

人工知能がさらに生活を便利にする

Deeplerning1-min

人工知能の研究は、まだ発展途上です。
ディープラーニングも、人工知能や機械学習の完成形ではありません。
この先さらに研究が進めば、これまで以上に人工知能がさまざまな分野に応用され、日常生活に入り込んでくるでしょう。
人工知能の発展による失業の可能性なども話題になっていますが、正しく理解してうまく活用すれば、さらに便利なサービスになることは確実です。

 img02

 

発注先選びにお困りの方はこちら

具体的に機械学習を使った『システム開発』が得意な会社を探す

機械学習を使ったシステム開発の発注先を「専門スタッフ」に相談する

関連する記事

PAGETOP