AI研究所 - AI(人工知能)に脅かされないために、AI(人工知能)を作る側の人間になる -

HOME  >  ディープラーニングと機械学習の違いを徹底解説

公開日:2020.10.20 

ディープラーニングと機械学習の違いを徹底解説

機械学習

「ディープラーニングと機械学習の違いを教えて欲しい」
「ディープラーニングの活用事例を知りたい」
「ディープラーニングと機械学習のどっちを選べば良いの?」
こういった疑問に答えていきます。

✓本記事の内容
・ディープラーニングと機械学習の違いを徹底解説
・ディープラーニングの活用事例を紹介
・ディープラーニングと機械学習のどちらを選べば良いか?

この記事を読めば、ディープラーニングと機械学習の違いを理解することができます。また、活用事例を知ることができ、どっちを選べばよいかの判断もできるようになるのでぜひご覧ください。

ディープラーニングと機械学習の違いを徹底解説

まずは、ディープラーニングと機械学習の違いを大まかに見ていきましょう。そもそもとしてディープラーニングは機械学習の1つにすぎないということは覚えておいてください。

機械学習は、人間がデータの特徴量を手動で選択し、モデルを学習させます。その一方でディープラーニングは、特徴量の選択からモデルを学習させるまでをすべて自動で行なってくれるのです。

以上がディープラーニングと機械学習の大まかな違いですが、それぞれについて深掘りして解説していきます。

機械学習とは?

機械学習とは、コンピュータがたくさんのデータを学習し、予測をおこなうアルゴリズムやモデルを自動的につくる技術です。

機械学習は、3つの学習方法があります。それぞれ「教師なし学習」「教師あり学習」「強化学習」と呼ばれています。

教師あり学習とは、機械学習アルゴリズムに正解を与えた状態で学習させる方法です。また、教師なし学習とは、機械学習アルゴリズムに正解を与えない状態で学習させる方法になります。

そして最後の強化学習は、機械学習アルゴリズムに目的として設定されたスコアを最大化する動きを学習させる方法です。

機械学習は、タクシーの配車を予測して売上を伸ばしたり、あらゆる作業の自動化、ガンの検出など、多岐にわたり活用されています。

そして、この機械学習を大幅に成長させたのがディープラーニングであると言われています。

「教師あり学習」「教師なし学習」についてもっと知りたい方はこちらから↓

ディープラーニングとは?

ディープラーニングとは、コンピュータがたくさんのデータを学習し、予測をおこなうアルゴリズムやモデルを自動的につくる機械学習の一つです。別名を深層学習と言います。

ディープラーニングは、人間の神経細胞をもとに作られたシステムです。神経細胞(ニューロン)の名を取って、ディープニューラルネットワークとも呼ばれます。これを活用することで、コンピュータが特徴をより深く学習できるようになったのです。今では、人間の認識精度を超えるときもあります。

ディープラーニングは、多くのデータとニューラルネットワークを利用して学習します。入力層、中間層、出力層というものがあるのですが、そのなかでも入力されたデータを統合、計算し、学習する「中間層」が重要です。

この中間層が増えれば増えるほどコンピュータが深く学習できます。この深い学習こそがディープラーニングの強みです。さまざまな分野で活用されています。

ディープラーニングの活用事例を紹介

ここでは、ディープラーニングの活用事例を3つ紹介していきます。

株価予測

ディープラーニングは株価予測にも使われています。

実際に、みずほ証券は、2016年にディープラーニングを用いた株式売買システムを提供しはじめました。そのシステムは、注文状況や過去の値動きなどのデータから、株価の動きを予測するというものです。

予測する株の大量データをディープラーニングで学習させ、時系列解析を行なわせたということになります。

このように、株価予測でもディープラーニングは活用されているのです。

診療支援

ディープラーニングによるシステムで診療支援もすることができます。

具体的な例として、2016年に桶狭間病院藤田こころケアセンターが「MENTAL」を導入したことがあげられます。「MENTAL」は、大塚製薬と日本IBMに開発されたクラウド型の電子カルテ解析ソリューションです。

「MENTAL」では、匿名化された精神科のカルテを保存し、自然言語処理能力を用いて解析をおこないます。精神科のカルテは、他の診療科と比べると情報が探しづらいという特徴があるのですが、「MENTAL」を使うことで、必要な情報を短時間で確認できるようになったのです。

このように、ディープラーニングは診療支援という形でも活用されています

映像解析

ディープラーニングは映像解析においても活用されています。

具体的には、キヤノンが発売した「People Counter Pro」という映像解析ソフトウェアがあげられます。このソフトウェアの機能は、撮影した映像から、数千人もの群衆をリアルタイムでカウントするというものです。

また、多くの人が密集している状態でも、正確にカウントすることができます。そのため、ライブなどのイベント来客人数を確認したり、混雑状況を正確に把握することが可能です。

今までは、人間が目視で確認していましたが、ディープラーニングを活用することで、効率的かつ正確に人数を把握できるようになりました。

その他の活用事例はこちらから確認できます↓
AIの活用事例とは?生体認識やチャットボットなど徹底解説

ディープラーニングと機械学習のどちらを選べば良いか

ディープラーニングと機械学習のどちらを選べば良いか迷うという方は、以下の2つのことを考えると良いです。

・どのくらい学習データを用意できるか
・ハードウェアは適切か

これらについて深掘りしていきます。

どのくらい学習データを用意できるか

どのくらいの学習データを用意できるかわかると、機械学習とディープラーニングのどちらを選択するか判断しやすくなります。

機械学習に関しては、限定的で構造化されているデータが利用できるときに選択されます。なぜなら、機械学習アルゴリズムはモデルを表形式のデータで学習するように設計されているからです。

それに対し、ディープラーニングは、大量の学習データが必要になります。なぜなら、ニューラルネットワークには、数千万個ものプログラムを設定する数値があり、正しく反応しているようで、実際には誤った結果を示しているものを確保しなければならないからです。

これらの理由から、用意できる学習データが多くあるという方はディープラーニングを選択し、少ないという方は機械学習を選択することをオススメします。

ハードウェアは適切か

また、機械学習とディープラーニングのどちらを選択するかは、使用可能なハードウェアによって大きく変わります。

機械学習であれば、計算量が少なくなるため、デスクトップPCのCPUでも十分に使用することができます。

その一方で、ディープラーニングであれば、特化ハードウェアが必要になります。この理由としては、メモリと処理能力レベルが高くなければならないからです。

GPUなどの特化ハードウェアが利用できる、もしくはCPUで学習させる時間があるかどうかで判断すると良いでしょう。*CPUで学習させる場合には、かなり多くの時間を要します。

まとめ

今回は、ディープラーニングと機械学習の違いについて解説してきました。ディープラーニングはあくまで機械学習の一つであるということが理解できたと思います。また、どちらを選択するかは「用意できるデータはどのくらいか」と「ハードウェアが適切か」どうかを確認すれば大丈夫です。

ディープラーニングはこれからも広がっていくので、今のうちから学習をはじめると良いですね。最後までご覧いただきありがとうございました。


参考になったら「いいね!」と「シェア」をお願いします!!

このエントリーをはてなブックマークに追加
AI(人工知能)セミナー開催中