ここ数年で一気にAI（人工知能）が注目され、AI（人工知能）ブームが到来していますよね。AI（人工知能）の発展にワクワクしたり、これからどんな世の中になっていくんだろうと気にしている人も多いことでしょう。そんなAI（人工知能）ブームの火付け役となった技術が、ディープラーニング（Deep Learning）です。何やら難しそうな名前でとっつきにくいしよくわからないなあ、と思われている方のために、今回は「ディープラーニング」についてお伝えしていきます！！
一言で言うと「ディープラーニング」とは・・・
今回お話するのはここ！！
AI（人工知能）の中心となる技術の一つである機械学習の中の一つの手法が、「ディープラーニング」です！
機械学習とは、（AI（人工知能）の中心をなす技術で、プログラム自身が学習していく仕組みです。「機械学習」については以下のページで詳しく解説しています。
それではさらに「ディープラーニング」について詳しく見ていきましょう。
ディープラーニングの元になった「ニューラルネットワーク」
まず、ディープラーニングを理解するために避けて通れないのが、ニューラルネットワークです。順を追って説明していきます。
人間の脳は無数のニューロン（神経細胞）で構成されており、ニューロンが複雑に結合することによって情報処理が行われています。この脳の情報処理ネットワークの仕組みを単純化して、コンピュータ上で簡略化して再現したものがニューラルネットワークです。下記の図のようなイメージです。
「ニューラルネットワーク」については以下のページで詳しく解説しています。
そして、下記の図のように中間層が2層以上（入力層と出力層を含めて全体が4層以上）の構造を持つ場合を「ディープニューラルネットワーク」と呼びます。
ディープニューラルネットワークを用いた機械学習の手法が「ディープラーニング」
ディープラーニングは深層学習とも呼ばれ、ディープニューラルネットワークを用いた機械学習手法のことです。
ニューラルネットワークが注目される以前のAI（人工知能）のほとんどが、脳の仕組みを参考にしていないものでした。
これはすごく簡単に言ってしまうと、人間がAI（人工知能）に対してどのように行動するのかを、細かく細かくルールを設定して教えてあげる必要があったということです。「AならBをしてね、CならDをしてね、AI（人工知能）君！頼んだよ！」というようにです。
ニューラルネットワーク、脳の仕組みを参考にしていない、ルールを細かく設定してあげる必要があったAI（人工知能）では、こうした問題を解決することができませんでした。
しかし、人間の脳の情報伝達の仕組みを真似たニューラルネットワークを利用することで、視覚的な情報に隠れたルール（特徴）をコンピュータが見抜けるようになり、このような問題を解決できるようになったのです。人間にしかできなかったことが、コンピュータにもできるようになりました。
※上記の解説は、ニューラルネットワークの解説ページの一部と重複する部分があります
ディープラーニング（Deep Learning）活用のデメリット
ただ、ディープラーニングで高い性能を出すには、他の単純な機械学習モデルより非常に多くのデータが必要です。
例えば、グーグルが2012年に開発した猫を認識するAI（人工知能）は、1000万枚という量のデータを利用して誕生しました。ですので、準備できるデータが少ない場合は、思うような成果を得られません。学習に大量のデータが必要なので、適切なデータを用意するのに専門家やAIエンジニアの時間の多くを費やさざるを得ません。
また、計算にとても時間がかかります。ディープラーニングには膨大な計算量が必要になるため、学習には数日から数週間かかることもざらにあります。
そして、ディープラーニングがベースにしている、ニューラルネットワークという脳の仕組みに似たモデルの層の数や、層の中のニューロンの数を決めるのが専門家でも難しい問題となっています。
このように、ディープラーニングは、必ずしも万能ではなく活用時にハードルとなる部分もありますが、多くの可能性を秘めていて、その成果は様々なところへと波及しているのです。
まとめ
つまり、「Deep Learning」とは、
AI（人工知能）って「なにそれ美味しいの？」ってレベルだった僕が、AIエンジニアを目指してステップを踏んだり踏まれたりしている記事を書いてます。よかったら読んでみてください（実話）。
コメントをどうぞ