■AIと機械学習（マシンラーニング）と深層学習（ディープラーニング）の関係
参考画像：Introduction to Deep Learning: Machine Learning vs Deep Learning｜YouTubeスクリーンショット
（2016/8/9、NVIDIA）
その関係を考えるとき、同心円で表すのが一番簡単でしょう。まず、最初に生まれたアイデアが「AI」です。これは、もっとも包括的な概念です。次に、「機械学習」が発展し、最後に「ディープラーニング」が登場しました。今日のAIの急速な成長を促すディープラーニングは、AIと機械学習に含まれています。
NVIDIAの説明では、AIという概念の中に「機械学習（マシンラーニング）」があり、深層学習（ディープラーニング）は、AIと機械学習に含まれています。
Machine Learning and Human Bias｜YouTube
機械学習において重要なことは、多くの学習データを用意することなのですが、例えば、Googleは、機械学習用データを集めるために、落書きをしてもらうサービスを提供しています。
ビッグデータとは何か｜平成24年版情報通信白書｜総務省によれば、ICT（情報通信技術）の進展により、多種多量なデータ（ビッグデータ）を生成・収集・蓄積することが可能になったのですが、このことも機械学習が注目されるようになった背景としてあります。
AIの成長の理由は、速く、安く、強力な並列処理を実現できるGPUの普及と膨大なデータ（ビッグデータ）という2つの要素が登場したことが関係しており、また、ディープラーニング（深層学習）と呼ばれる人工知能の学習手法が考えられたことによって、AI自身がデータから学習するようになったことから、AIが様々な分野に活用されるようになったと考えられます。
次に、機械学習（マシンラーニング）と深層学習（ディープラーニング）の違いについてみていきましょう。
■機械学習（マシンラーニング）と深層学習（ディープラーニング）の違い
Introduction to Deep Learning: Machine Learning vs Deep Learning
機械学習（マシンラーニング）と深層学習（ディープラーニング）ともに、学習データを分類することに使われる技術ですが、違う点は人間が特徴を定義するか、コンピュータが特徴を抽出し、ルールを決めていくかの違いがあります。
人工知能の動向（2016/3/17、NRI）では、機械学習とディープラーニングの違いについて次のように紹介しています。
参考画像：人工知能の動向（2016/3/17、NRI）
従来の機械学習とは、人間が特徴を定義するため、複雑な特徴を表現できないという弱点があります。
ディープラーニング（深層学習）とは、機械学習の手法の一つで、人工知能が学習データから特徴を抽出、つまり、AI自身がデータからルールと知識を獲得していく方法です。
ディープラーニングは「音声認識」「画像認識」「言語処理」などで用いられていて、画像認識に関しては、例えばECサイトでの商品画像による商品検索に活用されているそうです。
参考画像：人工知能の動向（2016/3/17、NRI）
ディープラーニングを理解するうえで最も大事なのは、答えや本質的にうまくいっている理由はわからないけど、うまくいっているということだけはわかるという点です。
天才プログラマーが予測する｢AIが導く未来｣ 人間の｢なんとなく｣は合理的に判断される
（2017/8/24、東洋経済オンライン）
言い方を変えると、今までのコンピュータによる最適化の能力では、答えは基本的に1つしかない。それがディープラーニングだと、答えがそもそもないのです。「確たる答えはないけど、なんとなくこう」っていうのがディープラーニングです。
電王・Ponanza開発者が語る、理由がわからないけどスゴイ“怠惰な並列化”
（2016/10/26、ASCII.jp）
体感で言えば、LazySMPは実はプログラマーには人気がない手法です。なぜかと言えば、前述のように結局のところどうしてうまくいくのか、その正確なところがプログラマーにはわからないからです。ディープラーニングも本質的にどうしてうまくいくのかわかっているプログラマーがいません。あくまで将棋プラグラム業界では、という話ですが。
そのため、これからの時代は、コンピュータが出した答えに対して、人間が後付けで理論や因果関係を考えていくことが増えるのではないかと考えられているのです。
電王・Ponanza開発者が語る、“自転車置き場の議論”に陥った指し手生成祭り
（2016/11/29、ASCII.jp）
人間は難しい問題に直面してしまった時、簡単な切り口を探しがちです。それ自体はまったく間違った行為ではないのですが、いつまでも簡単な切り口を求め続けることは必ずしも正しい判断ではないでしょう。人間はわからない状態をわからないままにしておくことにもストレスを感じ、わからないところに無理やり理由をつけようと考えるのが常です。
 |
|
人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質 新品価格 |
難しい問題の時には議論が起こらないのに、自分の理解ができる問題の時には議論が白熱するようなことを「パーキンソンの凡俗法則」や「自転車置き場の議論」という呼び方をするそうですが、これからは、「わからない」「理解できない」ことに対して、安易に答えを出すことなく、あきらめずにわからないままの状態で真正面から向き合い続ける姿勢が重要になってくるのではないでしょうか。
まずは理解できない自分を認め、それでもそれに向き合い続けることが、現代科学を理解して紐解く鍵となるでしょう。理解できると傲慢になるのではなく、理解できないと空虚に走るでもなく、ただ見えないものを見ようとし続けることこそが、唯一この先を見る方法になると私は信じています。
わからないまま向き合い続けるというのはストレスがかかることかもしれませんが、これから先の未来では必要な資質となるのではないでしょうか。
AI（人工知能）と機械学習（マシンラーニング）と深層学習（ディープラーニング）を知ったうえで、様々な企業が提供しているサービスがどのような特徴を持つのか、チェックしてみましょう！