初心者でも分かる!最低限知っておくべき「機械学習」と「ディープラーニング」の違い

またチョッピリだけAI系の話。


 

注目のITワード

最近、IT・AI・IoT・人工知能等の話をしていると良く出てくるワードがあります。

この二つです。

あなたは意味と違いを説明できますか?

両者の違いを理解した上で話している会社員は少ないです。しかし、違いを知らないままコンサルタントやIT・AI業界の人等とプロジェクトを進めると必ず馬鹿にされます。

f:id:psyberlife:20170812235207j:plain

あのクライアントは何もわかってない!

そんなことは言われたくありませんよね!?

実際、下に見られたら業務に影響します。言うことを聞いてくれない、難しい言葉を使って煙にまこうとする等・・・良いことは一つもありません。

最低限の用語の違いは覚えておきましょう。

最初に結論を言ってしまうと、

機械学習の発展版がディープラーニングです。

もう少し具体的に記載していきます。

機械学習とは

機械学習は、ある条件をコンピュータに与えてやったら、その条件やフィルターに従って、コンピュータが学んでいって最初にはできなかったことができるようになるという仕組みのことです。

f:id:psyberlife:20170813215829j:plain

有名な例としてリンゴの話があります。最初に「色で判断することがポイントである」と条件やフィルターを与えてあげることで、「色で見分ければいいのか」とコンピュータが認識するわけです。数をこなしていく内に「このくらい青いと人間は青リンゴだと認識するのか」と理解していくわけです。

元々は機械学習の概念は第二次AIブームで起こってきました。

1956年のダートマス会議でコンピューター科学者が集まり、AIという分野を確立して以来、本格的な研究が進められるようになりました。特に、ソ連の言語を翻訳するという軍事的な理由もあって、多額の資金がつぎ込まれました。これが第一次AIブームです。

第一次AIブームの特徴は推論・探索アプローチと呼ばれています。要するに、情報をしらみつぶしに見ていって、正解を見つけ出すという力技をコンピュータにやらせるということです。

次に、1980年代に第二次AIブームが起こります。ここでブームになったのが機械学習です。特徴は知識表現と呼ばれています。あるざっくりとしたフィルター条件を教えてあげれば、判断の経験を積む内に、判断の精度が増していく。知識が増えていくというものです。これが先ほどのリンゴの例です。

年表としてはこれがすごくわかりやすいです。

f:id:psyberlife:20170813000628j:plain

図:AI系の歴史(NVDIAより抜粋)

この図をみると、機械学習の先にディープラーニングがあることが分かります。

ディープラーニングとは

f:id:psyberlife:20170813000316j:plain

さて、次にディープラーニングのお話しです。

ディープラーニングはコンピュータが条件そのものを探し出すというところが、機械学習との違いです。リンゴと青リンゴの違いを判断させるとき、何も教えずに「何が違いなのかも考えてみな!」と放り出すわけです。それでも人工知能が頑張って色なのか、形なのか、匂いなのか等、特徴を探し出すわけです。

これを可能にしたのがニューラルネットワークビッグデータまで解析可能になった計算速度のアップです。

ニューラルネットワークとは、要するにトライ&エラーを繰り返して正解・不正解の違いに繋がる特徴を洗い出す仕組みです。人間の脳内電気信号を模しています。

そして、最近のコンピュータは計算速度がかなり向上しており、1980年代では1個のことを判断するのに1部屋レベルの巨大パソコンが必要でしたが、今ではノートパソコン1台あれば数万倍以上の処理ができます。

トライ&エラーを繰り返して色々なことに基準を作り、機械の認識を深めることがディープラーニングだと言うことです。

ディープラーニングのキモは

認識です。

今までは認識から判断に至るまで全て人間が行ってこなければいけませんでしたが、まず最初の認識を機械ができるようになったのです。これが機械学習との大きな違いです。

その先の推測する・判断するといった領域は未開拓の状態なので、ここ数年は「認識することそのものに意義があるビジネス」が、ディープラーニングを使って盛り上がる業界になるでしょう。

ディープラーニングそのものがすごいわけではなく、ディープラーニングを応用して活用できそうな「先に広がる分野がすごい」ということです。応用できそうな作業をメモしておくと下記のようなものになります。

  1. 画像認識の精度向上
  2. 行動予測・モデル化
  3. ロボティクス(行動計画の自動生成)
  4. オントロジー(物事・言葉の概念化)
  5. 言語の翻訳・解釈

今回はここまでです。1つ1つ説明するのは別の機会にしておきます。 いかがでしたか!?

オススメ本

何となく機械学習ディープラーニングの違いが分かってきたでしょうか?もっと知りたい!という場合は下記の本から1冊位を読みこんでおくことをおすすめします。

【書籍】60分でわかる入門(初級)

60分でわかる! 機械学習&ディープラーニング 超入門 (60分でわかる! IT知識)

60分でわかる! 機械学習&ディープラーニング 超入門 (60分でわかる! IT知識)

本当に基礎の基礎の本です。まずは用語の理解と歴史の整理からしっかり覚えておきたい人にお勧めします。歴史までカバーしているので侮れません。コンピュータ分野なんで本当に苦手!という方は読みましょう。

【書籍】機械学習入門(初級)

機械学習入門 ボルツマン機械学習から深層学習まで

機械学習入門 ボルツマン機械学習から深層学習まで

初級レベルの方にはこちらをオススメします。何となく用語は理解したけど、その用語同士が何に使えるのか良くイメージができない。言葉は聞いたことあるんだけど実はあんまり理解していない等と言う方はこちらを読んでみましょう。こちらが理解できなければ「60分でわかる~」に戻って勉強しなおしましょう。

【書籍】詳解ディープラーニング(中級)

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

中級編です。初級者に毛が生えた程度の人はこの本の第一章と第三章をツマミ読みしましょう。それで十分、ニューラルネットワークの基礎がある程度分かるはずです。本書はPythonによるリアルなプログラム設計にまで言及していますが、通常のITを活用する企業サイドの人間にはそこまでの知識は不要です。

【書籍】深層学習(中級)

深層学習 (機械学習プロフェッショナルシリーズ)

深層学習 (機械学習プロフェッショナルシリーズ)

上級に近い中級の書籍です。ビッグデータ業界で活躍している中堅IT研究者が出した「プロフェッショナルシリーズ」の一つです。 網羅的に機械学習ディープラーニングにまつわる用語がまとめられています。初学者は舐める程度に読んでおいて、辞書的に活用することをお勧めします。

【Web】松尾先生の資料

http://www.gdep.jp/seminar/20150526/DLF2015-01-MATSUO.pdf

東京大学のAI・人工知能系の研究者である「松尾豊」先生です。このブログもほぼこれを読みながら書いたようなものです(笑)総務省等とも連携していて、分かりやすく機械学習ディープラーニングを教えて貰えます。

過去記事

AI系の話に興味がある方は過去記事も読んでみて下さい。

www.psyberlife.com

www.psyberlife.com

www.psyberlife.com