【AI】機械学習とDeepLearningの違いとは？

どうもKuboです。

皆さん最近、機械学習って耳にしませんか？

Deep Learningも良く聞きますよね？

でも違いって何かわかります？

本日は、人工知能、AIの機械学習、DeepLearning（深層学習）について説明していきます。

人工知能（AI）とは

そもそも人工知能（AI）とは、コンピュータに学習・推論・判断など人間の知能のはたらき実現しようとする技術を指します。

例えば

そのAI技術の一つとして機械学習があり、その中の1つの手法がDeepLearningなのです。

つまりAI、機械学習、DeepLearningは以下の様な関係になります。

AI ⊂ 機械学習 ⊂ DeepLearning

機械学習とはその名の通り「機械（コンピュータ）が学習する」ことです。

学習する元となる入力値を元に分類や識別、または予測する為の手法です。

機械学習の手法は

機械学習の分類にはさまざまな分類方法がありますが、このアルゴリズムを次の３種類に分ける考え方があります。

「教師あり学習」は、事前に与えられたデータから、その「入力と出力の関係」を学習するアルゴリズムです。入力されるデータには、入力値とともに、あらかじめそのデータの正解が付与されています。まさしく正解が分かっているデータですから「教師ありデータ」と呼びます。

大量のデータを人間（教師）が用意し、それをプログラムに与えることで、プログラムは入力と出力の関係を学習します。一般的には、分類や予測は、教師あり学習を使うとよいと言われています。

一度、与えられた入出力データ間の関係が学習できれば、それを未知のデータに適用し、出力の予想が可能になります。分類の問題であればこれを分類器、回帰の問題であればこれを回帰曲線といいます。

「教師なし学習」は、人間（教師）から正解となる出力データを与えられることなく、入力データから、そのデータの構造、特性、新たな知見を学習するアルゴリズムです。学習する元となるデータには、正解がついていないにも関わらず、そのデータから特徴を見つけ出すことが可能となる様々な手法があります。

適切な手法を使うことにより、例え正解を教えられなくても、コンピュータが学習することができるようになりました。なお、この学習のために利用されるデータは、教師ありデータに対して「教師なしデータ」と呼ばれます。

「強化学習」とは、教師あり学習、教師なし学習のような固定的で明確なデータを元にした学習ではなく、プログラム自体が与えられた環境（＝現在の状態）を観測し、各行動の、評価、を自ら更新していき、連続した一連の行動の結果、価値が最大化する（＝報酬が最も多く得られる）行動を方法を自ら学習していきます。

機械学習は、開発者が全ての動作をプログラムするのではなく、データをAI自身が解析し、法則性やルールを見つけ出す、つまり、トレーニングによって特定のタスクを実行できるようになる人工知能をさします。

ディープラーニングは機械学習の中の一手法で、20世紀後半に研究が進められた一連のニューラルネットワークとその関連技術の発展形です。従来の機械学習と異なり、人間の神経を参考にしたニューラルネットワークを何層も重ねることにより、データの分析と学習を強化した人工知能をさします。

次回は、機械学習に必要な数学の知識を題材にお話しさせていただければと思います。

私が参考にしたのはこちらです。

以上、Kuboでした。