DNNとは?DNNを用いたディープラーニングの技術や活用事例を解説

こんにちは、AI研究所の三谷です。
みなさんは、「ディープニューラルネットワーク(DNN)」という言葉を聞いたことがあるでしょうか。
ディープニューラルネットワーク(DNN)は、ディープラーニングの学習法の一つです。
DNNを用いたディープラーニングを活用することによって、より複雑な処理ができるようになっています。
この手法は1980年代には提唱されていましたが、コンピューターの処理能力の進歩などによって発達しました。
この記事では、DNNを用いたディープラーニングの技術やその活用方法、機械学習と畳み込みネットワーク(CNN)の違いについて解説します。

DNNとは

ディープニューラルネットワークのイメージ

DNNとは「ディープニューラルネットワーク」の略で、深層学習(ディープラーニング)と呼ばれる学習法の一つでもあります。
ディープラーニングでは、入力に対して一つの出力のみではなく、複数の出力を可能にします。
そうすることで、複雑な判断をAIができるようになっています。
ディープラーニングの技術が発達したことによって、さまざまな分野への実用化が進むようになりました。
身近なところでいえば、自動車の自動運転技術に用いられる画像認識や人工知能(AI)が入ったスピーカーなどの音声認識などでも重要な役割を担っています。
ディープラーニングは、従来不可能であったレベルのパフォーマンスを発揮できるようになっています。
ディープラーニングの理論は、1980年代には提唱されていました。
これを可能にしたのがDNNなどの手法が発達したこと、学習に必要であるデータを集めることが容易になったこと、コンピューターの処理能力の向上が挙げられます。
こうした技術の進歩がディープラーニングの急速な発展に繋がりました。
DNNなどを活用したディープラーニングでできる主な機能としては、画像認識、音声認識、言語処理、レコメンデーションが挙げられます。
これらは高い精度を誇っていて、時には人間を超えるものであるとも言われています。

ニューラルネットワークから発展したDNN

ディープラーニングの技術は、従来よりあった「ニューラルネットワーク」という人間の脳の神経回路の一部を数式的なモデルで表現したものが基本であり、ベースとなっています。
ニューラルネットワークでは、基本的に1つの入力層、中間層、出力層の3層で成り立っています。
しかし、これを4層以上のネットワークにしようと試みたところ、うまくいかないことも出てきました。
そこで、登場したのがニューラルネットワークのパターンを複雑(ディープ)にしても認識するように設計した「ディープニューラルネットワーク(DNN)」です。
ニューラルネットワークの階層を深めた手法で、これにより4層以上になると精度が下がってしまう問題が解決されました。
ちなみに、中間層は複数の層に分けることができ、特に深い層を持つものをディープラーニングと呼んでいます。
これらの層は「活性化関数」とも呼ばれています。

DNN活用実例

ここまで、DNN(ディープニューラルネットワーク)について、その基本情報をお伝えしましたが、実際にはどのように活用されているのでしょうか。
ここからは、DNNが活用されている業界での具体的な活用方法をご紹介します。

レストラン

とあるレストランでは、コース料理を食べる際、天井に取り付けられたカメラが料理を認識し、それに合わせたプロジェクションマッピングで空間を演出します。
ディープラーニングを活用することによって、膨大なデータをセットしなくても、十分な精度がある識別機械を作ることが可能になっています。

ECサイト

DNNを活用したECサイトのイメージ

ECサイトでは、レコメンドエンジンが活用されています。
レコメンドエンジンは、サイトへ訪問した人が購入や閲覧をした商品と関連するものを提案して、必要な情報を提供するシステムです。
しかし、購入や閲覧の記録がない商品に対するレコメンドの精度が低いことが課題でした。
そこで、ディープラーニングを活用し、DNNで抽出した中間層の情報(商品特徴)を近づけることができるように改良した結果、記録がなくてもユーザーの行動からレコメンドできるようになったのです。

自動運転技術

ディープラーニングの手法の中でも、一番身近に存在しているのは「自動運転技術」でしょう。
多くの自動車関連企業などがこの自動運転技術の開発に力を入れています。
常に変動する気候や道路状況の予測など、課題はたくさんありました。
しかし、識別するカメラなどにディープラーニングの手法を取り入れることによって、少しずつ実現に向けて前進しています。

工場の製品検査

流れてくる商品を画像認識することにディープラーニングが活用されています。
これにより、不良品や不純物を検知して取り除く役割を担っているのです。

農業

DNNを用いたAI技術は農業分野にも及んでいます。
農薬の散布をするロボットや雑草と作物を識別するロボットなど、農業の効率化に活躍しています。
これから、さらなる発展が期待されている分野の一つでもあります。

医療分野

医療分野でのAI・DNN活用イメージ

医療現場でのディープラーニングは、画像処理に活用されています。
がん細胞の検出や顕微鏡などと組み合わせることによって、人の目だけでは見落としてしまうような微細な病気の兆候をいち早く発見することができるようになったのです。

その他の分野でもDNNが活用されている

ここまでご紹介した分野以外でも、宇宙工学や家電製品など幅広い分野でディープラーニングの技術が活用されています。
こうして活用実例を並べてみると、DNNおよびディープラーニングがかなり幅広い業界で用いられていることがわかるでしょう。
下記の動画では、DNN(ディープニューラルネットワーク)を音声処理システムに活用した補聴器が紹介されています。
DNNについても簡単に説明がされているので、無料でDNNのことを学べますよ。(動画は英語ですが日本語字幕がついています。)

DNNと機械学習・CNNの違い

DNN(ディープニューラルネットワーク)はよく機械学習やCNNとの違いが分からないと言われることが多いです。
そこでここからは、機械学習とCNNについて、その概要を解説していきます。
これを参考にすれば、DNNと機械学習・CNNの違いがわかるようになるでしょう。

機械学習

機械学習とは、AI技術の中でも人が全て指示して動くものとは違い、人の代わりに物事の特徴を発見する手法です。
コンピューターが大量のデータを学習した上でその集めたデータからルールやパターンを発見したり、分析の精度を従来より高くすることができます。機械学習はAI技術の中核であり、ディープラーニングも機械学習の中の一つです。
機械学習の役割としては、主に識別と予測です。
ちなみに、機械学習は「教師あり学習」「教師なし学習」「強化学習」の3つに分類されています。
「教師あり学習」は、ある入力をすると正しい出力をできるように学習させることです。入力したデータを正解のデータと照らし合わせて、その学習データを基に回帰を行います。
「教師なし学習」は正解を与えずにデータを探索させることで、データの構造やパターンを抽出する方法です。クラスタリングと呼ばれるグループ分けなどを行う際に用いられます。
そして、「強化学習」は教師なし学習と同じで正解は与えられませんが、データの出力を価値づけしてその価値を最大化するための行動を行います。
これらは、株式やゲームなどの利益を上げるための判断処理などに用いられます
ですから、取引の不正抽出や顔認証、音声認証、予測などには機械学習が適しているのです。
機械学習については、下記の記事で詳しく解説しているので、こちらもご覧ください。

CNNとは

ディープラーニングには4つの手法があり、その手法の中にDNNと「畳み込みネットワーク(CNN)」があります。
CNNは画像認識に適した手法
です。「画像の深層学習といえばCNN」というくらい、メジャーな手法と言われています。
CNNの活用方法として、画像認識、物体の検出、領域の推定などの画像を用いた分野があります。
この分野は、従来のニューラルネットワークでは画像処理を行う際に多くの情報を失っている状態でした。
しかし、CNNによって画像をそのまま認識できるようになっています。
名前に「畳み込み」と入っているのは、CNNでは「画像を抽出する」作業のことを「畳み込み」と呼ぶことからきています。
フィルターと呼ばれる格子状の数値データと要素ごとの積の和を計算することによって、変換を処理します。
畳み込みはよく使われる処理で、専用の演算ソフトを用意しているサイトもあります。

DNNを用いたディープラーニングの発展に注目

ネットワークや画像処理技術などの発展によって、DNNなどを用いたディープラーニングの技術は飛躍的に発展しました。
ディープラーニングは自動運転技術や工場での作業、家電製品など、私たちの生活のあらゆる場面で活躍しています。
また、農業や医療、工場分野などでも活用され始めており、私たちの仕事の効率化にも一役買っています。
活用の幅が広がるにつれ、注目度も高まり、さまざまなDNNライブラリも公開されています。
Googleが開発したTensorFlow(tf)などは知名度も高く、広く使用されています。
まだまだ、進歩を続けることが期待されるディープラーニング。
その技術の発展にこれからも目が離せませんね。

最新情報をチェックしよう!
企業向けAI人材育成サービス

企業向けAI人材育成サービス

AI事業発足やAI導入に必要な人材育成のステップとAI研究所が提供するサービス。AI研究所の人材育成サービスでは、3つのステップを軸に御社の業務内でAIを活用できる人材育成やAIプロジェクトの支援を行います。

CTR IMG