シンチャオ!最近家に出るアリが可愛く見えてきたCodyです!

 

今回は[ベトナム×AI]というテーマでAIについての記事を書いていこうと思います!

 

さて初回である今回は、機械学習(マシンラーニング)と深層学習(ディープラーニング)の違いについてまとめてみました!

最近バズワードになっているマシンラーニングとディープラーニングですが、違いが完全にわかっている人はあまり多くないのではないでしょうか?

かくいう僕も全くわかっていなかったので、初心者目線からまとめていこうと思います!

目次

1.全体図

2. 機械学習(マシンラーニング)

3. 深層学習(ディープラーニング)

4. まとめ

 

 

1. 全体図

 

まず、AI、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)の関係性についてお話ししていこうと思います!

上記の包括図を見ていただきたいのですが、まずAIという大きなカテゴリがあり、機械学習(マシンラーニング)はAIを実現するための一つの手法(アルゴリズム)にすぎません。プログラムの組み方の一つです。

そして深層学習(ディープラーニング)もまた機械学習(マシンラーニング)というカテゴリーの中での一つの手法です。いろんなやり方がある中での一種ということです。

AIという大きな括りの中に機械学習(マシンラーニング)があり、その中にさらに深層学習(ディープラーニング)があるという理解が大事です! 

さて、もう一つ大事なこと。

AI、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)すべてに共通することとして、AI自体は賢くありません。厳密にいうと、大量のデータを使って何回も反復学習を行うことでAIは賢くなっていきます。

つまりAIを導入しても、AIに学習させる大量のデータ、いわゆるビッグデータがないと役に立ちません。

これが、昨今ビッグデータやIoTが騒がれている理由です。

またデータを与えて学習させることはできますが、AIが勝手に自分で判断をして行動を起こすといったことはありません。人間の命令ありきなのです。

よく「AIがヒトの知能を超える」だとか、「AIはヒトの敵だ」といったことが言われていますが、実際に何ができるのかを考えていくとそんなことは全くありません。

AIは人間の道具でしかありません。筆者はAIに期待をしていましたが、その限界を知ってがっかりしたほどです。

 

 

2. 機械学習(マシンラーニング)

概要についてお話しした後で、続いて機械学習(マシンラーニング)についてお話ししていこうと思います。

機械学習はAIを実現するための方法の一つということでした。ですが、機械学習では実際にどんなことをしているのでしょうか?

概念を簡単にいうと、「意味は特に考えず、単に機械的に、正解の確率の高いものを当てはめていく」やり方だ 例えば、翻訳の世界でいうと、「英語でこういう単語の場合は、日本語ではこの単語で訳される場合が多い」「英語でこういうフレーズの時は、日本語ではこういうフレーズで訳される場合が多い」と当てはめていくのだ。

「機械学習」とは、そもそも「人工知能のプログラム自身が学習する」仕組みのことである。

機械において「学習する」ということは、例えば、「この食べ物が、お寿司か、ケーキか、そばかを区別する」ということだ。つまり、お寿司とケーキとそばがあった時、その分け方習得することなのだ。

しかし、そう簡単にいっても機械には正しい分け方はわからない。そこで、人間が分け方を教えるのだ。

参照元:https://iotnews.jp/archives/11652

だそうです。大量のデータを読み込んで、途方も無い回数の反復学習をして分類分けをしているということになります。そしてその分類分けも、80%の確率で「これはxxだ」というものなので、統計や確率といったものに近いです。

そして、ここで重要なのは

人間が分け方を教える

という部分です。 機械学習の例の一つに画像認識がありますが、画像を認識する際にその対象の特徴を人間が教えてあげなくてはいけません。

例えば、いちごをAIに認識してほしい際には、いちごの特徴である「赤い」、「つぶつぶがある」、といった特徴を人間が教えてあげなくてはいけません。

つまり、人間が教えた以上のことはできず、AI自身が考えているわけでは無いのです。人間が教えた範囲内では正解率や精度が高まりますが、そもそも人間が教えたものが間違っていたりすると役に立ちません。

 

 

機械学習(マシンラーニング)のメリット

  • 計算コストが低く、比較的簡単な問題を解いて素早い分析ができる
  • 大量のデータを短時間で、自動的に分析できる
  • 学習の方向がコントロールしやすい

参照元:https://clonos.jp/knowledge/detail09/

参照元:http://www.sejuku.net/blog/11595

 

 

機械学習(マシンラーニング)の限界(デメリット)

  • 人間が特徴や基準を教えてあげなくてはいけない

 

 

機械学習(マシンラーニング)の利用例

  • 迷惑メールの仕分け
  • オンライン通販などのレコメンド機能

などです。

 

 

3. 深層学習(ディープラーニング)

続いて深層学習(ディープラーニング)についてお話ししていこうと思います。 深層学習(ディープラーニング)は機械学習の手法の一つとなっています。

昨今よく耳にするニューラルネットワーク(通称:NN)という人間の神経を模したモデルを応用したものになっており、ニューラルネットワークをさらに進化・発展させた手法になっています。

何がすごいの?普通の機械学習と何が違うの?と思われる方もいらっしゃると思います。 ディープラーニングがすごいのは人間に教えられなくとも特徴やルールを自分で追加していけるところです!

それはつまり、自動化の実現に繋がります。※ここ重要

ディープラーニングを使用した例としては、機械学習よりさらに踏み込んだ画像認識が挙げられます。機械学習ではいちごをAIに認識して欲しかった時に、「赤い」、「つぶつぶがある」といった特徴を人間が教えなくてはいけませんでした。

賢い人たちは考えました。「特徴やルールの設定を自動化できないか?」と。 そして誕生したのがニューラルネットワークを応用・発展させた深層学習(ディープラーニング)でした。

ディープラーニングを使用すると、「緑色の葉っぱがある」といったような特徴を人間に教えられなくとも自分で追加していくことができます。これをさらに応用していくと、ライオンと子猫を見分けることもできるようになります。

ライオンと子猫の違いを皆さん説明できるでしょうか?どちらも「毛が生えている」、「ヒゲが生えている」、「耳がある」・・・といったようになかなか違いを説明するのは難しいのではないでしょうか?少なくとも筆者には無理です!

「ライオンと子猫の違い?そんなのなんとなくわかるでしょ!」と人間(筆者)はいいたくなりますが、 人間がライオンと子猫を識別できるのは今までに蓄積された経験があるからです。その経験の蓄積から来る識別の方法を、ディープラーニングは再現しようとしているとも言えます。

ディープラーニングを用いると、大量のデータから人間が思いつかなかったような特徴や、差異といったものを勝手に抽出してくれます。

このように人間の介在する部分を減らして自動化することができるのがもっとも革新的な点です!

※厳密にいうと、人間が最初にある程度の基準を与えた方が効率がいいのでデータだけ与えて、あとはAI任せというのはあまりないみたいです。

参照:https://clonos.jp/knowledge/detail09/

 

 

深層学習(ディープラーニング)のメリット

  • 特徴を人間が逐一教える必要がない点。(特徴抽出の自動化)

 

 

深層学習(ディープラーニング)のポテンシャル

ディープラーニングは日々進歩を続けており、特に画像認識の分野で驚異的な威力を発揮しています。

今では犬と猫を見分けるのは当たり前のようにこなし、犬の犬種を見分けることもできるようになっています。また特徴の自動抽出技術により、人間ですら難しい「子猫と子ライオン」の識別もできるようになりました。

また昨今では、画像に写った物を個別に認識できるようになってきています。 下の例では部屋の中にある、ソファや花といったものを個別に認識しています!

参照元:https://www.ossnews.jp/expert/articles/?column=201612-00003

参照元:http://sitest.jp/blog/?p=8009

 

 

深層学習(ディープラーニング)の使用例

  • 画像認識
  • 音声認識
  • 自然言語処理

 

 

4. まとめ

AI,機械学習、深層学習について

この三つは包括関係にあって、AIを可能にする方法の一つが機械学習で、その機械学習のやり方の一つに深層学習があります!

これら三つは自分で考えて、勝手に動き出すことはなく、ヒトの命令ありきです。 またそれ自体では賢くなくて、大量のデータを与えないと賢くなりません。

 

 

機械学習について

AIを可能にする手法(アルゴリズム)の一つです。

大量のデータを読み込んで、人に教えてもらった特徴を参照しながら学習します。反復学習を繰り返すことで、精度が上がっていきます。

人が特徴やルールを教えなくてはいけないので、完全な自動化ができませんその分人間が学習をコントロールすることが容易という利点もあります。

限界としては、ライオンと子猫の違い、などといった人間が考えるのが難しい問題には対応できません。

利用例

  • 迷惑メールの仕分け
  • オンライン通販などのレコメンド機能

 

 

深層学習について

機械学習の手法(アルゴリズム)の一種です。

機械学習が人間に特徴やルールを教えてもらわなくてはいけなかったのと対照的に、AIが大量のデータから自分で特徴やルールを考えることができます。

結局、何がすごいのか?

特徴やルールの付与が自動で、できるところです。※実際には、学習効率を鑑みて、最初に基本的な特徴を与えます。

大量のデータを与えれば、AIが人間に教えられた特徴の他に、「この特徴は重要そうだ」と判断して自分で特徴を見つけることができます。

反面、与えるデータが適当なものだと特徴の発見が仇となり、思わぬ方向に学習が進む可能性があります。

利用例

  • 画像認識
  • 音声認識
  • 自然言語処理

 

 

最後に

いかがでしたか?機械学習(マシンラーニング)や深層学習(ディープラーニング)に対するモヤモヤは解消していただけたでしょうか?

自分も最初は全くわからず、いろいろなサイトを見ましたが、サイトごとに定義が違っていたりしてかなり混乱しました。なので、ある程度厳密に、かつわかりやすく書こうと努力してみました!

 

ではまた!

 

AIについてはこちらの記事:「ベトナムより愛(AI)をこめて:今話題の人工知能の可能性について考えてみた」もご覧ください! 

 

目次に戻る

 

Contact Us

お問合せはこちらから

ラボ型開発・オフショア開発・HTML5コーディング・スマホアプリ・グミに対する質問などお気軽にご連絡ください。

Contact Us
 
Kosuke Ikeda

Kosuke Ikeda

New Staff at gumi Vietnam
アメリカへの一年間の留学を経てgumi Vietnamにジョイン。アメリカでは卓球クラブを創設し、ニックネームはCody
モノマネと読書が趣味。
Kosuke Ikeda