【まなび箱】今さら聞けない「機械学習と深層学習の違いってなに?」

  • AI
  • まなび箱
  • 技術解説

AIの基礎知識──よく聞く「機械学習」や「深層学習」はどう違う?

「人工知能(Artificial Intelligence)」「機械学習(マシンラーニング)」「深層学習(ディープラーニング)」といった言葉を聞かない日はないくらい、いまやAIは私たちにとって身近な技術になっています。システムの効率化やデータ分析の高速化などにも使われる、この「機械学習」と「深層学習」は何が違うのか。活用シーンをもとに紹介します。

機械学習と深層学習の違いとは

機械学習と深層学習(以下、ディープラーニング)は対比するものではなく、両者は包含関係にあります。人工知能に含まれる「分析する技術」として機械学習があり、機械学習の1つの技術としてディープラーニングがあるという位置付けです。

機械学習とは何かというと「与えられたデータ群から何らかの規則や判断基準を自ずと学習し、それに基づいて未知のものを予測、判断する技術」です。ざっくりと、与えられたデータを分析する技術ととらえてよいでしょう。

そして、ディープラーニング(深層学習)は、機械学習の手法であるニューラルネットワークという分析手法を拡張し、高精度の分析や活用を可能にした手法です。実際、ニューラルネットワークの基礎となる研究自体は非常に早い段階から活発に行われてきました。

ただ、単層のパーセプトロン(人工ニューロン=神経細胞ニューロンの数式モデル)では複雑な問題は解けないと、初期のニューラルネットワークはあまり実用的ではないとされていました。しかし、多層パーセプトロンが実現し、さらにオートエンコーダーの登場し、状況が変わっていきます。そして、満を持して登場したのがニューラルネットワーク、ディープラーニングです。

複雑な問題を解こうとすれば層を重ねることになるのですが、多層パーセプトロンの学習も、ただ重ねただけでは学習の効果が下がる壁に突き当たります。それが、オートエンコーダーにより、層ごとに段階的に学習を行うことで学習効果が出すことが可能となります。


AIが社会の中に入ってきた!?

一気にブームとなったAI(人工知能)ですが、現在は必要なところに活用され、これまでになかった新たなサービスや、既存機能のバージョンアップなど、様々な形で活用が始まっています。

需要が高まるAI人材をどう増やしていくかは、社会全体の課題にもなっています。AIを導入して活用するには、プログラミングをする必要があります。そのため、多くの企業がデータサイエンティストやAIエンジニアを採用したり、その育成を進めています。

しかし今後は、AI技術はより洗練され、プログラムなしに利活用できるようになると言われています。すると必然的に、求められるAI人材はエンジニアから、サービスに関わる役割の人、AIをどう活用すれば暮らしや仕事を助けてくれるかを考えるスキルを持つ人たちに移行していくでしょう。

そこで必要になるのは、コーディングスキルよりも、AI技術と現実の世界との接地面を考えられる能力です。

もちろん、それには、AIがどういう仕組みで何ができて、どういう使い方ができるのか、知識として知っておくことが前提になります。ここでは、AI技術について、基礎的な概要を紹介します。


人工知能の定義と分類、歴史について

人工知能とは、一般的に自然知能(人工知能に対して、動物や人間など自然が生み出した知能のこと)をコンピューター上で実現しようとする学問分野、その成果としての技術の総称とされています。

「知能を実現する」を分解すると、「汎用人工知能(人間のようにさまざまな思考・判断ができる人工知能)」「特化型人工知能(特定の部分に関して思考・判断ができる人工知能)」という2つの方向性があります。

現在、実用化が進んでいる人工知能は、特化型人工知能です。たとえば、囲碁で人間の棋士に勝ったAlphaGo、お掃除ロボットのルンバ、それぞれ「囲碁」や「掃除」という限られた範囲で状況を判断し、行動を検討し、判断することができる人工知能です。

  • 汎用人工知能と特化型人工知能

出典:総務省 ICTスキル総合習得プログラム

人工知能に情報を与える考え方には、シンボリズムとコネクショニズムがあります。

シンボリズムの代表格は、記述されたルールをベースに知能として見せるというルールベースの人工知能です。たとえば、医者や法律家の知識をデータベースにすれば、コンピュータはそれを基に判断が行えるという考え方です。

一方、コネクショニズムは脳の神経回路モデルを模倣したニューラルネットワークで知能を実現しようというものです。プロセスは数値入力→演算→数値出力となり、記号表現を介しません。そのため、画像や映像など数値データのパターン認識を得意としています。

深層学習(ディープラーニング)はニューラルネットワークの1つの手法です。そして、ニューラルネットワークの進化、ディープラーニングの登場が現在のAIブームを牽引したと言えます。

  • ディープラーニングのモデルを構築する際に利用できるフレームワーク/ライブラリ


機械学習の種類と期待される活用例

機械学習における学習の基本は、次のようなプロセスになります。まず、学習データとして与えたデータ群から何らかの規則や特徴量を抽出し、モデルを作成します。データが入力されたら、作成したモデルに基づいて結果を出力する(=判定する)、という流れです。

たとえば、猫の写真データと「猫」というラベルを学習させたモデルに、ある動物の写真データを入力します。写真の動物が、学習した猫の特徴を備えていれば「猫」と判定するわけです。

機械学習は「教師あり学習」「教師なし学習」「強化学習」と大きく3つに分類することができます。これは、学習に利用できるデータや出力する結果の違いです。

  • 機械学習の種類(教師あり学習/教師なし学習/強化学習)

出典:総務省 ICTスキル総合習得プログラム

先ほど例に上げたのは教師あり学習で、質問に対する答え(ラベル)とデータが、教師データとして一緒に与えられます。分別器と言われたりしますが、学習したモデルを使って答えに合っているかどうかを出力するのです。

  • 教師あり学習

出典:総務省 ICTスキル総合習得プログラム

教師なし学習は、答えを与えない学習方法です。与えられたデータ群から作成したモデルを基に、入力グループの情報を捉え、分類します。クラスター、クラスタリングという言葉をよく聞くと思いますが、クラスタリングは教師なし学習が得意とする機能の1つです。

  • 教師なし学習

出典:総務省 ICTスキル総合習得プログラム

教師あり学習、教師なし学習はデータの分析に統計学を応用することから、統計的機械学習とも呼ばれます。代表的なアルゴリズムは次の表のとおりです。特に、教師なし学習が実用的となった要因にはこうしたアルゴリズムが成熟し、”使える”ようになったこともあります。

ちなみに、ディープラーニングはニューラルネットワークの手法であって、ディープラーニング=教師なし学習でありません。近年成果を上げている分野は教師なし学習であり、ディープラーニングとともに注目されていますが、実際には、ディープラーニングは教師あり学習としての活用が一般的です。

  • 強化学習

強化学習は、答えが明示されるわけではありませんが、報酬が与えられることで目指すモデルになるよう学習していくというものです。たとえば、囲碁や将棋のようなゲームの人工知能の学習に活用されます。AlphaGoにも強化学習が使われています。

出典:総務省 ICTスキル総合習得プログラム


AIのクラウド化と期待される利活用

現在、AWSやMicrosoft Azure、Google Cloud PLatform、IBM ワトソンなど、クラウド上のAIサービスが普及しています。多くの場合、ディープラーニングによる学習済みのモデルや構築済みのAIサービスを使って自社のビジネスに活用できる形になっています。

  • ディープラーニングの代表的な応用例

出典:総務省 ICTスキル総合習得プログラム

コロナ禍でリモート化が推進される中、開発が加速しているAIサービスの1つが冒頭で紹介したように音声AI、チャットボットです。Q&Aなど、ある程度定型なサポート対応で自動化できる部分を担う形で開発・導入が進んでいます。

AIを使ったサービス・システム開発のフローは、次のように考えられます。ポイントは、開発と運用のフェーズを行き来するケースが想定されることです。

特に、運用・利用フェーズにおいて、AIが与えられたデータに基づき自律的に変化することを前提に、AIのモニタリング、消費者的利用者(エンドユーザー)からの問い合わせ対応の発生などが想定されます。

  • 一般的なAI利活用の流れ

出典:総務省「AI利活用ガイドライン」

計画の段階では、AI活用によるメリット・デメリットを慎重に検討することが必要です。もちろん、新たなビジネスに飛躍し得るアイデアがなければ何も始まりません。

また、今後はGUIでノンプログラミングで活用できるAIサービスも増えていくと思われます。何ができるかをウォッチしておくことで、必要になったとき、すばやくビジネスに活用することも可能になるでしょう。


記事のタイトルとURLをコピーする
【まなび箱】今さら聞けない「ローカル5Gってなに?」
まなび箱 ローカル5G 技術解説
【まなび箱】今さら聞けない「IoTってなに?」
IoT まなび箱 技術解説
【NTT技術ジャーナル】通信ビルエッジを活用したGPU・データレイクの技術開発
AI GPU NTT技術ジャーナル データレイク 外部記事