はじめに

機械学習とディープラーニング（深層学習）の違いとは

最近、機械学習とディープラーニングという単語をよく目にします。しかし、これらの技術はどのような点が異なるのでしょうか？

コンピュータがデータから学習を行う技術

機械学習とは、コンピュータがデータ分析を通じてパターンを学習する技術です。しばしばAIと同義の意味で使われますが、機械学習はAIの一分野です。
機械学習では最初に「学習」を行います。コンピュータに多くの例となる動物の写真やテキストデータなどの情報を参照させて何が共通しているのか、どんなルールがあるのかを見つけさせるのです。
たとえば、動物の絵のデータなどから、コンピュータが名称や形を覚える処理などがこの「学習」に当たります。
次の「推論」過程では「学習」で使用していないまったく新しいデータに対して正誤を判断していきます。
たとえば、新しい動物の写真データからコンピュータは動物の耳やしっぽといった特徴を見つけ、写真の中の特徴から何の動物かを推論し判断する処理などがこの「推論」です。
このように機械学習は、各種データを用いてコンピュータが自ら学習し、知識を蓄え、新しい問題に応用する能力を持たせるための技術です。

ディープラーニングの基本的な仕組み

ディープラーニング（深層学習）は人間の脳の仕組みを模倣した、多層ニューラルネットワークという処理を利用する機械学習の一分野で、機械学習を行う際に避けては通れない「学習」の工程を省略できるのが特徴です。

機械学習とAIそれぞれの役割

人工知能（AI） は人間の知的な活動を真似て、自動タスク実行を目指したコンピュータシステムです。たとえば、スマートフォンの写真管理アプリなどで、撮った写真の中からペットの写真を判別する機能があります。これは動物の特徴を学んだAIが、写真からペットの動物を判別しているため動作しています。
機械学習は、人工知能の中でとくに重要なコンピュータの学習方法です。機械学習でコンピュータが多くの文章や絵を学習し、学習していない新しいデータにも対応できるようになります。

機械学習の種類とディープラーニング（深層学習）の活用分野とは

ここまで機械学習とディープラーニング（深層学習）の基本的な情報を紹介してきました。ここからは機械学習の種類とディープラーニング（深層学習）の活用分野についてより深い情報を紹介します。

機械学習の種類

コンピュータが機械学習でよりよい成果を出すために多くの情報を「学習」する必要があります。「学習」のバリエーションをそれぞれ紹介します。

ラベルを使用する学習とラベルを使用しない学習

教師あり学習は、写真データに名札（ラベル）をつけて参照させ、コンピュータにデータの見分け方を教える方法です。
先生が答えの書いてあるカードと写真を生徒に見せながら勉強させるようなイメージです。コンピュータも正解が書かれた単語と絵を数多く認識し、動物の違いを学習します。そうして、コンピュータは正しい答えを見つけられるようになります。
一方、教師なし学習は見分け方を教えません。
先生が写真のみを生徒に見せ、その写真が何を写しているのかを生徒自身で考えさせるようなイメージです。コンピュータは、写真に写っている動物とほかの動物の絵を比較し、特徴を見つけます。

自己改善を行う学習

この方法ではコンピュータがでたらめな処理を繰り返し実行します。
よい成果を出した処理に特別なものを設定し、多く特別なものを手に入れた処理が学習成果となります。
たとえば、子どもがお母さんによいことをしておやつをもらったり、悪いことをしておやつがもらえなかったりするようなイメージです。子どもは少しずつ上手におやつがもらえるように、よいことは何なのかを学んでいくのです。

大量のデータを学習した人工知能の活用分野

ディープラーニングや人工知能は具体的にどのような分野で活用されているのでしょうか？ここからはディープラーニングや人工知能が活用されている分野を紹介します。

医療分野：
コンピュータが病気の発見をより早く正確にできるように人工知能が活用されています。
医者は特別なカメラを使って人々の体の中を観察し、病気がないかチェックするのです。それに、体の中のとても小さな部分を調べて、なぜ人が病気になるのかを探ります。また、ロボットによる新薬製造のより効率的な支援ができるかもしれません。必要な新薬を早く、少ない予算で用意できる点が期待されています。
参照元：AI活用分野| 人工知能研究センター

防災・減災分野：
地震や台風のような災害発生時には多くの人の助けが必要になり、医師や消防士などの業務がひっ迫するでしょう。そこで人工知能（AI）がスマホやコンピュータなどから情報を通知すると同時に、被災者からの問い合わせ受付を行えます。またAIは空からの写真を見て、困難が発生している地域を見つけ、要救助者の発見を手伝います。
参照元：防災の動き : 防災情報のページ – 内閣府

農業分野：
野菜を栽培する際に重要になるのが水管理です。しかし、水量に過不足があるとよい品質のトマトの栽培は難しいです。そこでAIを活用し、トマトの葉がどれくらい元気かを観察し、ちょうどいいタイミングでちょうどいい水量をあげています。そうすると、トマトはよく育成し、おいしい実をたくさんつけます。
農業の後継者不足などから技術の継承が危ぶまれていました。しかし、AIのおかげでノウハウを機械化できるようになり、高品質な野菜の安定生産が期待されています。
参照元：農家の熟練の技を定量化。AIを活用した上手な水やりで甘いトマトを作る｜研究者取材｜AI時代と科学研究の今 supported by JST

ディープラーニング（深層学習）開発が向いているケース

ディープラーニング（深層学習）を利用した開発がとくに向いている3つのケースを紹介します。

音声認識、画像認識、動画認識、言語解析

情報を識別する分野では、すでに業務に導入されている例も多く、開発が向いているでしょう。たとえば、コンピュータが人間の会議の話を聞いて、内容を文字にする機能はすでに業務で利用されています。また、道路の写真から問題個所の発見支援機能、手書き文字をコンピュータ内に読み込む機能などがあります。

数値予測、マッチング、意図予測、ニーズ予測

情報予測の分野では、未来に起こることを当てたり、何が必要かを考えたりするケースでの利用が向いているでしょう。たとえば、困っている児童の発見や保育園の発見支援、AIによる質問への回答とその後の案内を自動で行う機能などで利用されています。

行動最適化、作業の自動化

行動最適化分野では、AIが成果物を生成するケースでの利用があります。
たとえば、お金の払い忘れを知らせる通知や、医療機関に行くのを忘れがちな人たちへの通知の自動化などで活用されています。

まとめ

機械学習は、コンピュータが多くを学べる勉強の方法だとわかりました。AIはたくさんの情報を学び、日々成長しています。これらの技術が私たちの生活をより楽しく、より便利にしています。コンピュータが賢く進歩しているのは、この魔法のような技術のおかげでしょう。
AI、機械学習、ディープラーニングは密接に関連する技術です。それぞれ混同されやすい技術ですが、理解が深まれば幸いです。