最近話題のスマートスピーカーやAlphaGo、自動運転システムなどで、AI（人工知能）や機械学習、ディープラーニング（深層学習）といったワードが耳に入ることが増えていますが、AIは分かるけど機械学習とディープラーニングの違いは分からないという方や、そもそもディープラーニングを知らないという方も多いのではないでしょうか。

そこで今回はAIと機械学習、ディープラーニングの概要や特徴を紹介します。

 

AIと機械学習の違いとは？

1950年代に確立されたAIの概念

AIとは次のように定義されています。

人工知能とは、人間の脳が行っている知的な作業をコンピューターで模倣したソフトウェアやシステム。具体的には、人間の使う自然言語を理解したり、論理的な推論を行ったり、経験から学習したりするコンピュータープログラムなどのことをいう。

引用元：e-Words

さらに詳しく調べると、AIという分野が確立されたのは1956年に行われたダートマス会議という会議で、その提案書の序文には、

機械が言語を使うことができるようにする方法の探究、機械上での抽象化と概念の形成、今は人間にしか解けない問題を機械で解くこと、機械が自分自身を改善する方法などの探究の試みがなされるだろう。

引用元：Wikipedia

とあります。

ここで注目すべき点は、これまでは人間が機械に対して概念を学習させていたのに対して、AIでは人間と同じように、機械が自ら物事を抽象化したり概念を形成することにあります。

 

AIとの関係は？機械学習の概念

しかしながら、当時は人間がどのようにして抽象化と概念の形成をしているのかさえ分かっていなかったので、当然そのようなAIを再現することは不可能でした。そのため、AIで重要な能力だと考えられていた、”学習能力”に焦点を合わせて研究が進められ、機械学習という技術が注目されました。

機械学習とは次のように定義されています。

機械学習とは、言語やゲームなどをはじめとした人間の様々な知的活動の中で、人間が自然と行っているパターン認識や経験則を導き出したりするような活動を、コンピューターを使って実現するための技術や理論、またはソフトウェアなどの総称である。

引用元：weblio

つまり、機械学習とはAIで利用される技術のひとつであり、学習機能に重点を置いた技術、手法と言えます。

 

機械学習とディープラーニングの違いとは？

機械学習の課題

機械学習では、人間が定義を教え込んだ機械が、原因と結果のデータを解析してそれらのパターンを学習し、判断や予測を行います。現在、画像認識や迷惑メールの自動振り分けなどに利用されています。

画像認識の例で紹介すると、多くの人がいる中でAさんという人を認識するようなシステムを機械学習で作成する場合、機械にAさんの画像を大量に読み込ませて、Aさんの目と鼻の位置や、骨格などの顔つきのパターンを学習させます。

パターンを学習し、実際にそのシステムが運用されている間も、Aさんの顔のパターンをさらに学習することで、認識の精度を向上させていきます。

しかし、判断基準などは人間が教える必要があり、学習したパターン以外だとエラーを起こしやすく極めて不安定でした。例えば画像認識で学習させたAさんが眼鏡を掛けていた場合、髪型や表情がいつもと違う場合に、機械はAさんとは別人だと判断してしまいます。

つまり、これまでの機械学習は学習した内容と、実際の内容の区別しかできませんでした。

 

人間の脳と同じ仕組みで学習するディープラーニング

突然ですが、下の画像のどちらが猫かお分かりでしょうか。

 

人間には右側が猫であるということは簡単に分かります。なぜなら、人間は猫の特徴を抽象化した猫の概念が脳内にあるためと考えられています。しかし、これまでの方法で機械学習された機械にはその概念がないので、簡単に猫を判断することができません。

技術の発展と共に人間の脳の仕組みについて研究が重ねられ、人間の脳は見たものなどをすべて記憶しているわけではなく、深層心理の中に様々なものの特徴を保存していると考えられるようになりました。

普段気にしていなくても、物事の特徴を抽象化し、概念を形成しています。猫であれば、4足歩行であることや、上に向かって生えている耳、鳴き声などの特徴を記憶し、その人の脳内で、その人の思う猫というものが形成されます。

これらの研究結果を応用し、これまでの機械学習の能力を大幅にアップしたアルゴリズムが開発されました。その技術がディープラーニングです。

 

ディープラーニングで向上する機械学習の能力

ディープラーニングの定義を見てみると

「ディープラーニング」とは、システムがデータの特徴を学習して事象の認識や分類を行う「機械学習」の手法です。データの特徴をより深いレベルで学習し、非常に高い精度で特徴を認識できるため、人の声の認識や、カメラで撮影した画像の認識などで応用が期待されています。

引用元：NTTコムウェア

とあります。

ディープラーニングの技術を利用すれば、先ほどの例でいうと、人の画像を読み込ませて学習させる際にAさんだと判断する基準を機械に指示する必要はありません。Aさんの画像を読み込ませるだけで機械が自動的に特徴を抽出し、Aさんの概念を形成します。

そのため、表情が違ったりマスクをしていても、髪型や骨格、他の特徴からAさんと判断することができるようになるのです。

学習から判断までを機械が単独でできるようになったことで、機械学習の技術は高度な画像認識や、自動運転技術、ゲームなど、単純に区別するだけでないことにも使われるようになっています。

 

現代だから進歩したAI

AIと機械学習、ディープラーニングは別のものではなく、AIという分野の中に機械学習という技術があり、機械学習という技術の発展に伴いディープラーニングというアルゴリズムが登場したということが分かりました。

どうして今AIが進歩しているかというと、AIに教えられるだけのビッグデータの蓄積があるのはもちろんのこと、それを解析し、クラウドに保存しやり取りできるだけのインフラがあるからこそだと考えます。

GoogleがAIを学習させるためのAIを研究中といったニュースもあり、今後もさらなる技術の進歩に期待ができます。