3度目の正直？AIブームの火付け役「深層学習（ディープラーニング）」

2017年12月4日(月)清水響子

リスト

マイクロサービス、RPA、デジタルツイン、AMP……。数え切れないほどの新しい思想やアーキテクチャ、技術等々に関するIT用語が、生まれては消え、またときに息を吹き返しています。メディア露出が増えれば何となくわかっているような気になって、でも実はモヤッとしていて、美味しそうな圏外なようなキーワードたちの数々を、「それってウチに影響あるんだっけ？」という視点で、分解していきたいと思います。今回取り上げるのは「深層学習（ディープラーニング）」です。

【用語】ディープラーニング（深層学習）

　「AI」という文字を目にしない日がないほど、人工知能（Artificial Intelligence: AI）が関心を集め、様々な用途が提案されるようになりました。英ARMの消費者アンケート調査によると回答者の61%がAIによってより良い社会が実現すると回答し、特に医療や自動運転に対する期待が明らかにされています。ここへきて急速に実用化が進む第3次AIブームの火付け役となった中核技術が深層学習（Deep Learning：ディープラーニング）です。

　ワシントン大学の研究チームによる脳震盪検出スマートフォンアプリ「PupilScreen」、GoogleとMITラボが開発するリアルタイムフォトレタッチアプリ等、続々応用事例が発表されている深層学習。人間が学び方を指示する従来の機械学習（Machine Learning）に比べると、学習過程におけるデータ分析前の「特徴量の抽出」という工程を自動化した点がイノベーションです。機械にルールを与える必要がないため、データクレンジングやコーディングに伴う人間の手間がグッと省力化されました。ビッグデータとGPUをはじめとするハードウェアの革新により導入環境も整い、今後も普及が加速するものと見られます。

（図1）従来の機械学習（上）と深層学習（下）：DL（下）では学習に伴う人間の手間が大幅に省力化され、AI普及に期待がかかる
拡大画像表示

【イノベーション】ディープがもたらしたAIブレークスルー

　AIを実現する中核技術要素が、機械学習です。基本的なモデルは（図2）の通りで、機械に学習させる画像などのインプットデータと目指すべきアウトプット（正解）を与え、正解に近いアウトプット（推論結果)を導き出すためのデータ変換アルゴリズムを計算、学習させます。学習を経て得られた手法を用いてデータ処理を行う（推論）ことにより、データ分類や分析、予測が自動化され、「知能」として機能します。