【AI知識】機械学習・深層学習について

機械学習

機械学習とは、人工知能のプログラム自身が学習する仕組みです。コンピュータはサンプルデータが多いほど望ましい学習結果が得られます。機械学習はビックデータと共に2000年以降、注目されました。

ビックデータとは、インターネットの成長と共に蓄積された大容量のデータです。

アマゾンやYouTubeなどが行っているユーザの好みを推測する「レコメンデーションエンジン」や迷惑メールを検出するスパムフィルターなども、膨大なサンプルデータを利用し実用化されたアプリです。

ニューラルネットワークとは機械学習の１つで、人間の神経回路を真似することで学習しようとするものです。

ニューラルネットワークは元々、1958年にフランク・ローゼンブラットが提唱した単純パーセプロントというものでした。

そのニューラルネットワークを多層にしたものが、ディープラーニング（深層学習）です。

ニューラルネットワークを３層より多層にしても学習制度が上がらない壁にぶつかりましたが、バックプロパゲーションと呼ばれる方法を用いて学習することで克服できました。

多層にしても学習制度が上がらない問題に、入力したものと同じ物を出力するように学習する自己符号化器の研究などで、層を深くしても学習することが可能になりました。

ディープラーニングのイメージ

2012年に画像認識の精度を競う「ILSVRC」という大会で、トロント大学が開発した「SuperVision」が圧勝しました。「ILSVRC」は何の画像なのかコンピュータが推測する正解率を争う競技です。

当時は、機械学習で用いる特徴量を決めるのは人間でした。機械学習では、この特徴量の選び方が性能を決定していたので、担当する人間の経験や知識が重要でした。

トロント大学のSuperVisionが出るまでは、28%~26%のエラー率でしたが、SuperVisionはエラー率15.3%という数字での圧勝でした。これは、新しい機械学習の方法「深層学習（ディープラーニング）」だったのです。

その後、2015年にはエラー率3.6%までに成長しました。

⚠️ディープラーニングについてはまだまだ説明したりませんので別の記事でまとめたいと思います。