機械学習とディープラーニングの違いとは

AIの話題になると、機械学習やディープラーニングという単語をよく目にする。

AIの急激な成長を支えているのは、この学習の精度が向上したためだと言われている。

本記事では、機械学習とディープラーニングの関係性に関して紹介する。

機械学習

機械学習とは、明示的にプログラムで指示せずに、コンピュータに学習させる技術のことだ。

大量のデータに対し、繰り返し計算を行うことで、そこに潜むパターンを見つけ出すことができる。

コンピュータ処理能力の向上や、データが大量に溢れる世の中になったことで、機械学習が急激に成長したと言われている。

教師あり学習、教師なし学習、強化学習などの学習方法がある。

教師あり学習

教師あり学習とは、答えを含めたデータを用いて学習を行い、モデルを作成する方法だ。

例えば、犬が写っている画像と、これは犬だという情報を組み合わせる学習が該当する。

教師あり学習は、コンピュータに出力させたい情報が決まっているときに有効で、過去の事例に基づいて将来を予測するといった分野で活用されている。

教師なし学習

教師なし学習は、答えを与えず入力データのみで学習を行い規則性や傾向を発見させ、モデルを作成する方法だ。

例えば、購買情報を元にユーザーを分類するような学習が該当する。

規則性や傾向の発見には、入力されたデータを特徴量ごとにクラスタリングする方法が使われる。

データに内在するパターンや固有の構造を見つけ出すことができる。

強化学習

強化学習は、ある一定期間の間でどの行動が最大の報酬を生み出すかを、試行錯誤を通して突き止め、モデルを作成する方法だ。

例えば、株の売買により利益を得るような学習が該当する。

瞬間的なキャッシュを生み出すためには、全ての株を売却する方法が一番良いが、より長期的な価値を得るためには、株を手元に残しておく方が良いかもしれない。

このような学習を行っている。

ディープラーニング

ディープラーニングとは、ニューラルネットワークを多層にしたものである。

ニューラルネットワークとは、機械学習の研究課題のひとつで、コンピュータに、観測データにもとづいて学習する能力を与える、生物学にヒントを得た仕組みである。

今まで人間がパラメータ設定をしていた特徴量を機械が自ら設定することができる。

複雑な画像識別では、特徴量の抽出が難しくなる。ディープラーニングを使うことで、細かい部分まで特徴量を抽出することができる。

機械学習とディープラーニングの関係性

つまり、両者は全く別のものというわけではなく、ディープラーニングは機械学習の一部であると言える。

大きく異なる点は、ディープラーニングがニューラルネットワークを利用して、強力に学習と分析を行うという点だ。

ディープラーニングは高い精度を誇るが、大量のデータと複雑な処理が必要になったり、AIがどのようにして結論を導き出したのかが見えないため、学習が思わぬ方向に進んだりすることもある。

必要な結果とその結果を導き出すために使える時間を鑑みて、ディープラーニングを使うべきなのか、その他の機械学習の手法を使うべきかを考えるべきだろう。

小畑俊介

大学卒業後、メーカーに勤務。生産技術職として新規ラインの立ち上げや、工場内のカイゼン業務に携わる。2019年7月に入社し、製造業を中心としたIoTの可能性について探求中。