機械学習の１つの手法である深層学習(ディープラーニング)についてザックリ解説する記事です
AIといえば機械学習だし、機械学習といえば深層学習ってイメージがあるよね
AIや機械学習、深層学習などの単語はよく「AI＝機械学習？」などのように曖昧な意味で使われていますが、実際は下の図のような関係になっています
この図では省かれていますが、ニューラルネットワークの中には他に「CNN(畳み込みネットワーク)やRNN(回帰型ニューラルネットワーク)」があります。深層学習はそれらのニューラルネットワークの１つとなります
深層学習とは？
深層学習とは多数の層からなるNeural Network(神経ネットワーク)を用いた機械学習のこと
ニューラルネットワークの隠れ層(中間層)の数が増えると深層学習と呼ばれるようになります。DNN(Deep Neural Network)モデルを用いた機械学習を「深層学習」といいます
ニューラルネットワークについて詳しく知りたいという人はこちらもどうぞ↓
深層学習で行うこと
深層学習で言う「学習」とは重みの最適化(誤差関数の最小化)を行うことです。ざっくりいうと「y=x」という関数があったときxを入力したときに出力yを返す関数を作ることです。教師データと出力の結果を比較し誤差をできるだけ小さくすることが深層学習のゴールとなります。
深層学習を行うメリット
機械学習をする上で最も重要だとされる特徴量ですが…特徴量の抽出は予測精度を向上させるために必要な作業で数値データなどは人が行えますが、画像や音声などのデータは人には理解が難しいです。そこで人が理解できないデータには深層学習が役立ちます。
１．多数の層からなるニューラルネットワークを用いることで、コンピュータがパターンやルールを発見する上で、何に着目すれば良いのかを自分で見つけることができるようになる((※１)特徴量を人が設定しなくても良くなった)
→深層学習によって何に着目するかをあらかじめ人が設定しなくても画像の識別等が可能になった！
２．人の判断で特徴量抽出が困難な画像・映像、テキスト、音声データなどの非構造化データを処理できる
これらのメリットから深層学習は画像認識や音声認識、異常検知などに利用されています
(※１) 特徴量：大量のデータからパターンやルールを自動で学習し、分類や予測をおかなうために必要なデータの特徴を定量的な数値として表したもの
スマホに関するデータがあった場合、スマホの使用時間、
位置情報、使用したアプリなどの情報は全て特徴量になる
深層学習の実用例
深層学習が得意とする分野の実用例について紹介します
画像認識
・自動運転技術
・顔認証システム
音声認識
・スマートスピーカー
・スマホの音声アシスタント
まとめ
- 深層学習とは多数の層からなるNeural Network(神経ネットワーク)を用いた機械学習のこと
- 深層学習で言う「学習」とは重みの最適化(誤差関数の最小化)を行うこと
- 深層学習なら人の判断で特徴量抽出が困難な画像・映像、テキスト、音声データなどの非構造化データを処理できる
<参考サイト・動画>
(1)令和元年版 情報通信白書｜AIに関する基本的な仕組み
https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r01/html/nd113210.html
(2)予備校のノリで学ぶ「大学の数学・物理」高校数学からはじめる深層学習入門(畳み込みニューラルネットワークの理解)
https://www.youtube.com/watch?v=xzzTYL90M8s&t=33s
１つ前の記事はこちら↓
コメント