AIとは何か

Deep learning ができることって何?そんな疑問にはもうさよなら!

Deep learning ができることって何?そんな疑問にはもうさよなら!

率直に、Deep Learningができることって何?と聞かれると、実はドキリとしてしまいますよね。昨今は様々なメディアでDeep Learningが取り上げられ、知っておくべき最新の知識として紹介されています。

そして分かりやすい記事や図を眺めていれば、なんとなくDeep Learningについても分かった気になるでしょう。しかしそのDeep Learningで何ができるのと質問されると、自分の言葉でまとめるのは難しいです。

そんな時に、Deep Learningについて短くて理解しやすいまとめがあれば嬉しいですよね。そこで今回は、Deep Learningについて基本的なことをおさらいした後、Deep Learningでは何ができて、何ができないのかということをお話しいたしましょう。

Deep Learningって何

Deep Learningを使うイメージ

Deep Learningは社会を根本から変えてしまう技術の一つとして注目されています。ただし、そもそもDeep Learningとは何なのでしょうか。

一般にDeep Learningは「深層学習」と訳されていますが、直訳すると「深い学び」です。日本語としてこの「深い」という形容詞に引っかかるでしょう。では、この点を手掛かりに、Deep Learningについて紹介しましょう。

普通、人間が携わる学習といいますと、目の前にある特定の資料を読み、また直接体験した経験を通じて、様々なパターンや関係性を理解することを意味しますが、Deep Learningはそれと似て非なるものです。

Deep Learningの場合、確かに学習とはいっても、人間の学習と大きく違う点は、十分なデータの量があれば、人間の力を必要とせず自動的に特徴量を抽出してくれるニューラルネットワークを使用した学習であること。

このニューラルネットワークは人間の脳の構造を模したもので、複雑で抽象的なデータでも処理できるように幾つもの層が重ねられています。そしてDeep Learningは多層的なニューラルネットワークが必要なのです。

実はこの多層的なニューラルネットワークこそが、Deep Learningの「深層」または「深い」という形容詞に繋がります。

つまり一階や二階といった単純なニューラルネットワークの組み合わせでなく、幾重にも多層に深く組み合わせることで初めて、情報伝達と処理を増やし、特徴量の精度や汎用性をあげたり、予測精度を向上させたりすることが出来るようになるのです。

簡単な言葉で言い換えると、ニューラルネットワークが多層であるお蔭で、複雑に絡まりあったデータでも様々な階層にきれいに分解されて単純化され、学習します。

Deep Learningでできること

画像認識のイメージ

それでは、こうした何層ものニューラルネットワークを組み合せて学習するDeep Learningでは何ができるのでしょうか。それではいくつか例に挙げてお話ししましょう。

まず画像認識に活用することができます。

画像認識とは、画像や動画を入力として、文字や顔などの特徴を認識・検出する技術のこと。

その主な例としてはFacebookの顔認証のタグ付けや自動運転、感情分析などが挙げられるでしょう。

次にDeep Learningを使用してできることは、音声認識

音声認識はその名の通り、音声を認識させる技術のことであり、これを使えば、人間の声を認識してテキストに出力することや、音声の特徴をとらえて声を出している人を識別することも可能です。
その主な例は、iPhoneのSiriのような音声入力などがあります。

続いて自然言語処理。これもDeep Learningができることの一つです。

自然言語処理とは、人間が日常的に使う書き言葉や話し言葉をコンピュータに処理や理解をさせる技術。

この自然言語処理を用いた代表的な例は、銀行のコールセンターでの問い合わせ対応や文章要約、機械翻訳です。

他に、異常検知という機能もDeep Learningによってできることでしょう。

異常検知とは、産業機器などに取り付けられたセンサーなどの時系列のデータから異常の兆候を感知する技術のこと。

例えば、工場内で故障や異常動作が起こらないかどうか検知することなどが当たります。

以上、Deep Learningでできる代表的なことは、画像認識、音声認識、自然言語処理、異常検知でした。

Deep Learningでできないこと

万能なAIのイメージ

こうしてDeep Learningでできることを整理してきましたが、その逆に、Deep Learningができないことについてお話ししましょう。

Deep Learningで問題とされていることは、大量といえども処理できるデータは有限である故にDeep Learningで学習する法則性は、この世の中にある全てのケースに必ず当てはまるとは言い切れないのです。

色々なメディアを見ていると、Deep Learningの成果は万能であり、どんな状況にも自動的に対応できるような印象を受けることもあるでしょう。

しかしDeep Learningが処理する情報量はどんなに莫大であっても限りがあり、そこから分析されるのは一定の範囲内での事柄なのです。
つまり、どんな状況でも絶対に間違っていないとは断言することはできません。

だから時にDeep Learningは批判を受けることもあります。

その批判とは、近似値を求めるにはよいが、完璧に信頼することはできないというものです。
この批判は、Deep Learningに対して過度に期待することへの戒めにもなるでしょう。

 

Deep Learningのイメージ

これまでDeep Learningの基礎を振り返りつつ、Deep Learningで何ができて、何ができないのかという点をお話ししてきました。

Deep Learningは多層のニュートラルネットワークを前提としているので、情報量や処理の回数が増え、予測精度や汎用性が高い学習機能です。

そしてそのお蔭でDeep Learningでできることは、画像処理、音声認識、自然言語処理、異常検知などがあります。

またその反面、Deep Learningでできないことが存在することも忘れてはなりません。それは、データは有限なため、無限のデータを前提とする精度100%の処理をすることが出来ないということ。

それでもDeep Learningは、今まで処理できなかった複雑なデータを扱うことを可能にさせたので、業務の効率化に大きく貢献することは間違いないでしょう。

すると、どうでしょうか。Deep Learningでできることを理解すれば、Deep Learningが浸透する将来のビジョンまで明確に見えてきますよね。

Deep Learningは社会を根本的に変えてしまう技術です。私たちもいち早くDeep Learningについて理解して、これから訪れる未来の社会を先取りしましょう。

参照元深層学習の今のところの限界「何ができて、何ができないか?」

トップへ戻る
タイトルとURLをコピーしました