AI、わからない。「マシンラーニング」と「ディープラーニング」って何がちがうの？
ディープラーニング（深層学習）とは
DL、Deep Learning＝ディープラーニング・深層学習。ディープラーニングはマシンラーニングの一種。マシンラーニングのサブカテゴリであり、AIに「思考」を教えることです。 アルゴリズムが与えられた仕事の大部分を行なえるようにする点がほかのマシンラーニングと異なっています。人工のニューラルネットワーク（人間の脳が行なう決断・パターン認識の処理を模した数学モデル）によって動いています。
何がちがうの？
一般的なマシンラーニングとディープラーニングの、もっとも大きなちがいは学習時に人間がサポートするか否かです。マシンラーニングは学習に際して人間が学習データを整理したりする必要がありますが、ディープラーニングではその必要がなく学習時の人的作業を節約できます。 比較的シンプルなマシンラーニングの場合、人間がその学習プロセスを管理、サポートします。マシンラーニングは膨大な量のトレーニングデータによって支えられていますが、一般的に、それらのデータは人間が収集し、整理します。人間がデータをソーティングしたり、ラベル付けしてあげたり、ですね。 たとえば、会社Aが画像から車の車種を認識するアルゴリズムを作るとします。そのトレーニングには、当然たくさんの車の画像が使われるのですが、それらの画像は、人間の手によって車種ラベルをつけていきます。トレーニングした後は、その答えが正しいかどうかを確かめるため、テスト用データセットも必要になります。 一方、ディープラーニングはそういったサポートを必要としません。アルゴリズム自身のニューラルネットワークを使い、ラベルつけや整理整頓がされていない素のデータのパターンを認識していきます。企業は、こうしたディープラーニングを導入することで、自動化されたアルゴリズムを用いて、未整理データを大量に振り分けることができ、結果、多くの人的作業を節約することができます。
ニューラルネットワークの仕組み
人工ニューラルネットワークは人間の脳の仕組みを模したものであり、何千何百という「ノード」が詰め込まれています。ノードが何かというのは少々複雑な話のようですが、人間でいうところのニューロン（神経細胞）であり、情報の伝達と処理が主なお仕事です。 ニューラルネットワークでは、ノードが層として配置されいます。ノードでできた複数の層によってディープラーニングのネットワークは成り立っています。で、情報がこのネットワーク内を飛び交いちがいに作用することが、マシンの処理、つまり予測や決断に影響するというわけ。 ノードの次に鍵となるのは、重み（ウェイト）。これは、「取り込まれる情報の重要性」を数値で表したもの。入力されたデータにノードが重みをつけ、この重みの値によって、次の層へ情報をパスしたりしなかったりします。 つまり、ニューラルネットワークというものは、入力されたデータについて、外部サポートなしでもアルゴリズム自身で結論を出せるような構造になっているということ。このプラグラムをベースとして、アルゴリズムは膨大なデータのつながりを認識し、人間のように答えを導き出すことができるのです。
なぜ、AI開発にはマシンラーニングが必要不可欠なのか
マシンラーンングの存在によって、かつては人間だけが可能であった物事を理解し、次を予想するという動きがマシンでも可能になります。 たくさんの不可能を可能するもので、医療分野の発展などで大きな期待が寄せられています。と同時に、国防やプライバシーにおいて不安視する声もあります。 AIが善であろうと悪であろうと、世界中で大きな影響を与えることはまちがいありません。
そうこ
