前回、
ＭＬ(機械学習)が2010年頃第３次ブームの口火を切り、
ＤＬ(ディープラーニング)が2012年デビュー！
というお話をしました（前回のブログは、こちら）。
これで、オールスターが勢ぞろいです。
この３つの関係を整理しておきましょう。
含有関係がポイント！ ＡＩ⊃ M L ⊃ DL
大切なのは、
の２点です。
ただ、
「１．ディープラーニングは機械学習のひとつの手法である」
のですが、両者には大きな違いがあります。
この違いが、
ディープラーニングを「ＡＩ50年来のブレイクスルー」たらしめる大切なポイントです。
かんたんにまとめてみます。
１．まずは機械学習のイメージ
機械学習(＊１)とは、
ヒトが明示的な指示を与えることなく、
データを用いて、正しい答(パターン)を導き出すしくみです。
つまり、
機械(コンピュータ)が自分で勝手に学習するということです。
具体例でいうと、
コンピュータの考え方は関数(function)
たくさんの犬や猫が写っている画像を入力し(図のＸ)、
正しい答え(写っているのが犬か猫か)が出力(図のＹ)されるように、
コンピュータに学習させるのです。
ただ、
機械(コンピュータ)が勝手に学習すると言いましたが、
ひとつだけヒトが手助けしています。
それは、
機械(コンピュータ)が答を出す決め手になりそうなもの(特徴量)を、
ヒトが決めて与えていることです。
特徴量をどう作るかで精度が決まった！
人間でも同じですよね。
親が子に、
「写真のここを見ればわかるでしょ」
みたいなヒントを与えて、
子どもは学習し、
賢くなっていく、ということです。
２．それではディープラーニングはどこが違う？
ディープラーニングのしくみをご覧ください。
ディープ（深い）とはネットワークが多層であることを指す
同じような構造ですが、
先ほどの機械学習と違うのは、
function(関数)の部分が、
ディープニューラルネットワークに置き換わっている点です。
ニューラルネットワークとは、
人間の脳みその基本構造をモデル化したもので、
それを、人間の脳のように深くした(いっぱいくっつけた)ものが、
ディープニューラルネットワークです(＊２)。
それで、なにが変わったかというと、
ヒトが与えていた答を出すためのヒント(特徴量)までも、
機械(コンピュータ)が自分で学習できるようになったのです。
これがブレイクスルー！の理由
ヒントはいりません！
自分でやるからほっといてください！
という感じです。
そしてこのしくみ（ディープラーニング）が、
インターネットの普及による「ビッグデータ」時代の到来、
さらに、
膨大な計算処理可能な装置「ＧＰＵ」の発展進化
と相まって、
さまざまなことができるようになったのです。
外部環境も追い風になった
ただ、
その便利なしくみ（ディープラーニング）も、
中小企業にまではなかなか及んでいないのが現状です。
そこで思い出してほしいのが、
ということです。
ディープラーニング以外の機械学習もＡＩです。
実際に、
古くからある機械学習の手法も、
よく使われているのです。
中小企業へのＡＩ導入は、
ディープラーニングにこだわることなく、幅広に考えて対応することが大切なのです。
Follow me!
