ディープラーニングとは?画像認識などにも使われるディープラーニングを徹底解説

こんにちは、AI研究所の三谷です。
機械学習がここまで注目を集めるに至った要因となった技術、「ディープラーニング」。
最近では、G検定やE資格・Python学習などでもよく耳にする「ディープラーニング」ですが、具体的にどういう技術なのかわからないと感じている人もいるでしょう。
そこでこのページではディープラーニングがどういった技術で、AIとどう違うのか、そしてどういったことができるのかを解説していきます。

ディープラーニングとは

ディープラーニング

ディープラーニングとは、すでに与えられた情報量が十分であれば、機械が自動的にデータから特徴を抽出してくれるニューラルネットワークを用いた学習のことをいいます。
日本語では「深層学習」と言われることもあるでしょう。
機械学習の学習モデルには、元々ニューラルネットワークの代表的なものとして、2層構造のパーセプトロン、3層構造の階層型ニューラルネットがり、さらに4層以上のものもありました。
ですが、4層以上の多層ニューラルネットの学習は、局所最適解や勾配消失などの技術的な問題によって充分に学習させられず、性能も芳しくない冬の時代が長く続きました。
しかし、その後ボルツマンマシンやバックプロパゲーションなどの手法が利用されるようになりました。
また多層化によるコンピューターの演算時間の問題も、近年のコンピューターの高性能化で解消されつつあります。通常利用されるCPUよりも単純な演算の並列処理に優れたGPUによる汎用計算 (GPGPU) を導入することで、改善されてきているのです。
そしてこれが一般的には、多層化ニューラルネットワークを用いた手法よりも、さらに深い階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)を用いた機械学習という意味で、ディープラーニングと呼ばれるようになったのです。

ディープラーニングとAI(人工知能)の違いとは?

ここまでの話で、ディープラーニングとAI(人口知能)の違いについて、疑問に思う人もいるでしょう。
ディープラーニングとAI(人工知能)の違いとは何なのでしょうか?
ディープラーニングとAI、そして機械学習は全く別の技術というわけではありません。
しかし、ディープラーニング自体がAIというわけではなく、端的に言えば、機械学習を実装する方法なのです。
AIは人工知能と言われるように知能です。ディープラーニングによって機械学習が進むと、人工知能が生まれていきます。
つまりディープラーニングとは、あくまで人工知能を生み出すためのプロセスに近いものだという捉え方が良いでしょう。

ディープラーニングとは? 多層化ニューラルネットワーク
画像参照:Wikipedia

GoogleがYouTubeの画像認識で使ったディープラーニング

ディープラーニングとは何か、そしてAIとの関係をご説明しましたが、具体的にディープラーニングはどのようなことに用いられているのでしょうか。
ディープラーニングが有用な技術として注目されるようになった画像認識について、具体例を出しながら紹介していきます。

ディープラーニングの画像認識する手法

画像認識

ディープラーニングが注目されたのは、2012年に行われた国際的な画像認識の大会が始まりです。トロント大学のチームが、それまで主流とされる別の方法でエラー率26%だったものを、ディープラーニングを用いた手法で17%まで一気に精度を上げたという驚異的な進歩を実現したことに所以しています。
その結果他の手法を圧倒する高い性能を示し、認識エラー率は5%までとなり、ディープラーニングの有用性が証明されたのです。
また、GoogleがYouTubeの画像認識でディープラーニングを用いたことも、ディープラーニングが注目され始めたことに一役買っているでしょう。
Googleは、YouTubeの画像情報を大量にディープラーニングに与え、16,000のCPUコアで3日間計算したところ、猫を自ら認識できるようになったと発表しました。これにより、物体認識タスクにおいて従来手法より飛躍的な進歩を遂げたと印象付けたのです。
また、音声・自然言語を対象にした問題に対しても、成果を出してきています。
Googleにおいてのディープラーニング技術の活用については、下記の動画でも紹介されていますので、こちらもご覧ください。

このようにその有用性が認められ、注目を集めているディープラーニングですが、問題点がないわけではありません。
ディープラーニングの問題点は、研究者が少ないことや、良好な結果を出すにはアルゴリズムよりも、質の高い大量のデータが必要となるため、このデータを確保できない企業・国家にとっては研究の遅れにつながることだといわれているのです。
また、ディープラーニングによってシンギュラリティ(人工知能が自らより高性能な人工知能を作り出せるようになること)を突破するのではないかといわれることもありますが、研究者の中でも意見が割れており、認識に温度差があります。

ディープラーニングの手法

中間層を多層化したものをまとめてディープニューラルネットワークと呼び、そのディープニューラルネットワークを用いた機械学習技術を、ディープラーニングと呼びます。
ここからは、その代表的な手法を紹介します。

畳み込みニューラルネットワーク(Convolutional Neural Network、CNN)

ディープラーニング 手法 畳み込みニューラルネットワーク(Convolutional Neural Network、CNN)
画像参照:Wikipedia

畳み込みニューラルネットワークは、全結合していない順伝播型ニューラルネットワークの一種です。
特に2次元の畳み込みニューラルネットワークは、人間の視覚野のニューロンの結合と似たニューラルネットワークであるため、人間の認知とよく似た学習が行われることが期待されています。
なお、疎結合のネットワークであるため、全結合しているニューラルネットワークに比べて学習が高速となっています。
近年では深層という単語が頭につき、深層畳み込みニューラルネットワークと呼ばれることもあります。
畳み込みニューラルネットワークは、前項でご紹介した画像認識に用いられます。
画像認識はディープラーニングを使用する分野として、最も認識度が高く適用事例も多い分野です。したがって、畳み込みネットワークはディープラーニングの手法の中でも最も研究され、用いられている手法だと言えるでしょう。

再帰型ニューラルネットワーク(Recurrent Neural Network、RNN)

ディープラーニング 手法 再帰型ニューラルネットワーク(Recurrent Neural Network、RNN)
画像参照:Wikipedia

画像認識には、畳み込みニューラルネットワークが用いられますが、その他の分野でもディープラーニングの活用は進んでおり、畳み込みニューラルネットワーク以外の手法が用いられることも多々あります。
その一つが、再帰型ニューラルネットワークです。
再帰型ニューラルネットワークとは、有向閉路を持つニューラルネットワークの事で、それ以前の入力によって変化する状態を保持します(オートマトン)。
動画像、音声、言語など、入力データの順序によって出力が変わる場合に有効な手法となっています。

Residual network(ResNet)

Residual network(ResNet)とは、入力データを出力に変える変換を学習する一般的な手法と異なり、残差を学習する手法です。
多層ニューラルネットより勾配消失がおきにくい為、はるかに多層化できるのが特徴であり、実験的には1000層まで学習されたものもありますが、一方で入力次元数と出力次元数を変えることができないという欠点も持っています。

簡単にディープラーニングを行うには

ディープラーニングは一見難しそうで、かなり学習しないとできないイメージがありますよね。
そこでディープラーニングが簡単にできるAIアプリをまとめましたので、気になる方は下記記事をご覧ください。

ディープラーニングが簡単にできるAIアプリまとめ

ディープラーニングに関する検定

ここまでディープラーニングという技術について解説しましたが、なかなか理解できない、またはもっと深く学びたいと思われる方もいるでしょう。
ディープラーニングに注目が集まる中、ディープラーニングに関する検定も行われています。
それが「G検定」「E資格」と呼ばれるものです。
G検定は公式名は「ジェネラリスト検定」といい、2017年12月に一般社団法人日本ディープラーニング協会(JDLA)が開始しました。これはディープラーニングを活用する知識があるかどうかを試す検定です。そのため、ディープラーニングについてあまり知識がないという方は、G検定の勉強からすると良いでしょう。
E資格もディープラーニング協会が主催するものですが、専門性がより高く、すでに情報技術の専門知識のある方向けの検定です。こちらは、JDLAの認定プログラムを修了しなければ受験できないなど、ハードルも高めです。

ディープラーニングについてまとめ

今回はディープラーニングについて詳しく解説しましたがいかがでしょうか。
ディープラーニングの概要から手法、資格についてもご紹介しました。
是非ディープラーニングについて詳しくなって、仕事やビジネスに活用してみてください。

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