深層学習
しんそうがくしゅう
ひとことで言うと
多層ニューラルネットワークを用いてデータの特徴を自動学習する機械学習の一手法。
解説
機械学習の一手法で、多層のニューラルネットワーク(ディープニューラルネットワーク)を用いてデータの特徴を自動的に学習する技術。画像認識、音声認識、自然言語処理などの分野で飛躍的な性能向上を実現した。大量のデータと高い計算能力を必要とするが、特徴量の設計を人手で行う必要がない点が大きな利点である。
くわしく解説
深層学習(ディープラーニング)とは、機械学習の一手法であり、人間の神経細胞を模した多層のニューラルネットワーク(ディープニューラルネットワーク)を用いてデータの特徴や表現を自動的に学習する技術である。従来の機械学習では人間が特徴量を設計する必要があったが、深層学習はデータから特徴量を自動抽出できる点が最大の特徴である。画像認識・音声認識・自然言語処理(BERT、GPTなど)の分野で飛躍的な性能向上を実現した。学習には大量の教師データと高い計算能力(GPU等)が必要であり、学習結果の判断根拠を説明しにくい「ブラックボックス問題」が課題とされる。畳み込みニューラルネットワーク(CNN)や再帰型ニューラルネットワーク(RNN)が代表的なアーキテクチャである。
具体例で考えよう
スマートフォンのカメラアプリが顔を自動認識してフォーカスを合わせたり、SNSが写真に写った人物名を自動タグ付けしたりする機能は、深層学習による画像認識技術を応用したものである。
試験対策ポイント
機械学習との違い(特徴量の自動抽出の有無)が頻出。AI>機械学習>深層学習の包含関係を図示できるようにする。ブラックボックス問題(説明可能性の欠如)も重要な論点。