【徹底比較！】機械学習 vs ディープラーニング！AIで注目される2つの技術をわかりやすく解説します！

機械学習とは

機械学習という言葉を、聞いたことのある人も多いでしょう。機械学習とはデータを解析して、その結果から学習することにより、物事の予測や判断を行うことです。

もう少し分かりやすく説明すると、あるデータを解析して、そのデータの解析結果をもとにルールや法則などを導き出すのが機械学習です。

例えば、Amazonのサイトやアプリを開くと、「おすすめの商品」を紹介してくれますよね。この表示がされるのは、機械学習によって、「この商品を購入した人は、あの商品も購入する人が多い」というルールが導き出されているからです。

Amazonでおすすめ商品として紹介されている商品を、あなたも欲しいなぁと思うことがあるのではないでしょうか。

このように、機械学習によって、ひとつひとつの作業を人間がプログラムしなくても、AIが自分で大量のデータを分析してタスクを実行してくれるため、AIはさまざまな分野で活用されるようになりました。

では一体AIは、どのように大量のデータを分析し、学習しているのでしょうか。

以下で機械学習の3種類の学習方法を紹介します。

機械学習の3分類

教師あり学習

機械学習の中でも「教師あり学習」では、問題と正解をセットで学習して、正解を予測できるようになる学習方法です。この説明では少し分かりにくいので、具体例をお話します。

例えば、猫の画像に「ねこ」という正解をセットして、犬の画像に「いぬ」という正解をセットします。また、「トンネルを抜けると、そこは雪国であった。」という文章に対しては「川端康成」という正解をセットします。

このように、問題と正解のセットをたくさん学習することにより、正解を予測できるようになる学習方法が「教師あり学習」です。

そして、教師あり学習では画像や文章など様々な形式のデータを用いて学習できます。

まるで小さな子供が猫や犬の写真をみて、「ねこ」、「いぬ」と答えたり、ひらがなをみて読み方を答えたりしながら学習しているようですね。

教師なし学習

一方、教師なし学習では、正解のない問題をデータとしてたくさん学習しながら、ルールや規則を導き出していきます。

正解はなくても多くのデータの特徴をつかんで、何種類の分類ができるかや、どのように分類するかを判断しながら学習を行うのが「教師なし学習」の特徴です。

強化学習

強化学習とは、AI自身が試行錯誤を繰り返しながら自らルールや規則を導き出す学習方法です。

例えば、囲碁で人間のトッププレイヤーに勝利した「AlphaGo Zero」は強化学習によって強くなったということをご存知ですか？

「AlphaGo Zero」は、囲碁の打ち手や勝ち方を全て人間からプログラムされたわけではなく、コンピュータ同士で対戦を繰り返すことによって、囲碁で勝つ方法を学んだのです。

コンピュータ同士で対戦している間に、人間のプレイヤーがこれまで打たなかった手を見つけていき、人間のトッププレイヤーに勝利しました。

このように、機械学習の中でも「強化学習」は、自動車の自動運転などにも利用されており、最も注目されている技術といえるでしょう。

ディープラーニングとは

ディープラーニングの特徴

先ほど紹介した「機械学習」の一部として、「ディープラーニング」という学習方法があります。「ディープラーニング」という言葉は聞いたことのある人が多いですよね。

ディープラーニングは、AIがデータから特徴を自動的に拾うため、人間によって複雑なプログラミングをする必要がなく、さらに高い精度で規則やルールが導き出せる学習方法です。

例えば、ねこの特徴である「ひげがある」、「耳が三角」などの情報を人間が与えなくても、AIが自動的に特徴を抽出するのです。

ディープラーニングの登場

では、ディープラーニングの登場についてお話します。ディープラーニングは2012年に発見されたばかりのアルゴリズムです。

今までAIブームは何度か訪れたにも関わらず、なぜ2012年にディープラーニングが発見されたのでしょうか。

実は、スマートフォンや高機能なパソコンの登場によって、今までより多くのデータがネット上に蓄積されるようになり、コンピュータが膨大なデータにアクセスできるようになったからです。

さらに膨大な計算を実行できるGPUというデバイスが高機能になった要因もあり、ディープラーニングが誕生しました。

ディープラーニングのブレイクスルー

ディープラーニングの技術が発展し、AIが急速に進歩した要因に、ディープラーニングのブレイクスルーがあります。

実は、ILSVRCという大規模画像認識競技会では、2012年に画像認識のエラー率が一気に10％も低下しているのです。なぜなら、ディープラーニングの技術が2012年に登場したからです。

そして、2012年以降も画像認識のエラー率は徐々に低下していき、とうとう人間の平均的なエラー率5.1％よりも低くなりました。

私たちはGoogleで画像認証を求められたとき、画像の選択を間違えてしまうことはありませんか？人間はGoogleの画像認証の「消火栓」や「道路標識」を選ぶといった簡単な画像認識でも間違えてしまう時がありますが、AIは滅多に間違えないということです。

ニューラルネットワークについて

ニューロンとは

では、近年の発展が目覚ましい「ディープラーニング」とは一体どういうものなのでしょうか。ディープラーニングで忘れてはならない、ニューロンについてお話します。

人間の脳にはニューロンという細胞が積み重なってできています。そのため、ひとつのニューロンに電気信号が送られると、また次のニューロンに電気信号を伝えながら、情報の伝達や処理を行っています。

そして、このニューロンは、なんと人工的に作り出すことができました。人工的に作った人工ニューロンも、人間の脳と同じように電気信号を受け取り、また次のニューロンへ電気信号を送ります。

ニューラルネットワークとは

さらに、たくさんのニューロンがつながって層のようになったものをニューラルネットワークといいます。特に、層が4層以上で構成されているニューラルネットワークは、ディープラーニングと呼ばれています。

つまり、ディープラーニングは、人間の脳のようなニューラルネットワークを形成することにより、今までの機械学習よりも正確なデータ分析とデータ学習が行えるようになったのです。

機械学習・ディープラーニングの活用

ディープラーニングの技術は、先ほども少しお話した通り、自動車の自動運転にも用いられています。例えば、人間や動物、道路標識などを画像認識する技術がディープラーニングによって向上しました。

そして、小さくて軽いゴミが飛んできた場合と大きくて重い物体が飛んできた場合に、速度を緩めるか、急停止するかなどの判断も行えるようになったのです。

数年前までは夢のようだった自動車の自動運転も、機械学習やディープラーニングの発展によって実現可能になったといえるでしょう。

最後に～ディープラーニングによって私たちの生活はより便利に～

さて今回は、私たちの生活に身近となってきているAIについて、特に機械学習とディープラーニングについてお話しました。

従来の機械学習と、2012年に誕生したばかりのディープラーニングについてお分かりいただけたのではないでしょうか。

機械学習とディープラーニングは、これからもますます進歩して私たちの生活をより便利にしてくれることでしょう。