ディープラーニング(深層学習)とは？話題の最新技術を分かりやすく解説

こんにちは。文系出身で現役エンジニア8年目になる佐藤です！　今回は最近よく聞かれるようになった「ディープラーニング」についての解説をしていきます。

皆さんはディープラーニングってなに？　と聞かれた時、どんなものなのかはっきり答えることができますか？

最新技術ということもあって、私のような文系出身で機械はちょっと苦手……という方や、ITに馴染みの無い方には意味を検索しても難しい言葉がいっぱいで、理解するのが難しかったりしますよね。

この記事では、「ディープラーニングとは何か？」をどんな方にも分かりやすく解説していきます。そして、興味があるという方に向けて、始めるのに必要なモノ・お勧めの書籍等の紹介も行っていきますのでぜひ最後までご覧ください。

それでは早速、ディープラーニングの概要について一緒に見ていきましょう！

ディープラーニングとは

この章ではディープラーニングはこんなもの、という概要から解説していきます。まずは言葉の意味や仕組みを理解していきましょう。

人と同じような仕組みで機械に学習させる方法

ディープラーニングという言葉が一般にも話題になったのは、囲碁でAIの「AlphaGo」が人間に勝ったというニュースではないでしょうか。

⇨ 財経新聞：囲碁AIが最強棋士に3戦全勝、完全決着

ディープラーニング（深層学習）は「ニューラルネットワーク」と呼ばれるアルゴリズムを何層も使って機械がデータから自動で学習する方法のことを言います。

ネットワークの層が多ければ多いほど、複雑な判断を正確に行えるため、「ディープ（深層）」「ラーニング（学習）」と呼ばれています。

このディープラーニング、じつは人の脳神経細胞（ニューロン）を模して作られた仕組みで、人と同じように学習することができるようになっているんです。高度な人工知能の誕生にますます近づいてる……という感じがしますよね。

近年注目されているディープラーニングですが、1980年代から理論だけは存在していました。昔は、技術が追い付いておらず何層もニューラルネットワークを使うと機械の判断精度がどんどん下がっていってしまうという問題があり、あまり話題には上りませんでした。

ですが、2000年代になり研究が急速に進み、その問題が解消されたため「ディープラーニング」という言葉が話題になったというわけなんです。

ディープラーニングの概要がなんとなくつかめたところで、次に詳しい仕組みについて見ていきましょう。

ディープラーニングの詳しい仕組み

先ほども解説にあったように「人の脳神経細胞のネットワーク」に似ている仕組みになっていて、大きく3つの層に分かれています。

入力層

1つ目は、入力層（input layer）です。ここはデータが入ってくる部分です、人で言うと目や耳、手などいろいろな部分からデータが入ってきますよね。

隠れ層

2つ目は、隠れ層（hidden layers）と呼ばれる部分です。この層が多ければ多いほど複雑で正確な判断が出来ます。

人なら、今までの経験や知識から見たもの・聞いたものが何だったか判断しますよね。経験や知識がが少なければ、正確な判断ができないので、ディープラーニングでもこの層の多さがいかに大切かがお分かりいただけるかと思います。

出力層

3つ目は、出力層(output layer)です。判断した結果を出力する部分です。

⇨ MathWorks：ディープラーニングの仕組み

このような仕組みでディープラーニングは出来ていますが、人のようになんでも判断できる所までは到達していません。目的別に学習させ、その目的に合った判断をすることが可能であるレベルになっています。

今後は人のように判断出来るディープラーニングのモデルが開発されていくかもしれません。ワクワクする夢のある分野ですよね。

さて、次はディープラーニングについての資格について見ていきます。

ディープラーニングに関する資格

ディープラーニングを仕事に生かしたいという方なら、資格を取って技術を証明したいですよね。
日本では「日本ディープラーニング協会」が、以下の資格・検定試験を行っています。

 

技能と知識の証明が出来る資格・検定になっているので業務に生かしたいという方は、まずG検定からの取得を目指してみてはいかがでしょうか？

次に、現在のディープラーニングが抱えている問題についても簡単に見ていきましょう。

現在のディープラーニングが抱える問題

多層のネットワークを使うと判断精度が下がるという問題を解決し、今後も発展が期待されるディープラーニングですが、現在注目されている問題点もあります。

ディープラーニングの「ブラックボックス問題」と呼ばれているもので、ディープラーニングで機械が判断し出力した結果が、どんな経路・経緯で出されたものなのか分からないという問題です。

ブラックボックスというのはプログラミングでよく使われる言葉です。中身がどんな動きをしているのか分からなくても、入力することができれば結果を得られることを言います。

ディープラーニングは現在この状態で、中でどんなネットワークを辿って結果が出たのか分からないという状況になっているものがあります。

どんな理由で結果が出たのか分からないと、間違った結果の場合にどこで間違った判断をしてしまったのか分からないですよね。また、結果の理由が分からないと利用者の信頼を得ることが難しくなってしまい、事業に活用されないという問題もあります。

現在、結果の説明が出来るAIの開発など対策の研究も行われているので、近々解決する問題かもしれません。

ディープラーニングの概要についてはここまでです。次はディープラーニングでできることを具体的に見ていきましょう。

ディープラーニングでできること

この章ではディープラーニングでできることを詳しく見ていきます。

画像・音声認識が出来る

ディープラーニングを最初話題にしたのは高精度な画像認識でした。現在では顔認証システムや、人を認知して止まる自動車のシステムなどに使われています。

また、話して検索する機能や家電を動かしたりする機能には音声認識が使われています。音声認識も最近とても精度が上がってきているため、スマートスピーカーなどの機械に話しかけるシーンが増えてきていますよね。

ディープラーニングでは、入力されたデータの特徴をほぼ自動で抽出して結果を出力してくれます。機械学習であれば、特徴の抽出は人が設定する部分なので、データに深い知識が必要です。

ディープラーニングならデータに関して知識がない、という場合でも結果を出すことが出来るので注目されているんです。

音声・画像を生成する事が出来る

認識とは別に生成することもできます。例えば、白黒写真からカラー写真の画像を生成したり、線画に自動で色を付けたりするシステムです。

また、3Dの画像データを作成することもできるため、建築・内装のデザインなども自動で生成できるようになってきているようです。

音声の生成し本の読み上げることもできます。現在ではかなり不自然な発音がなくなり、機械の音声でも聞きやすくなりましたよね。また、作曲なんかもディープラーニングで行えるようになってきているんです。

言葉を理解して会話を生成することが出来る

ディープラーニングでは言葉を理解して、会話を生成したり、翻訳することができるんです。チャットボットの「りんな」などが有名ですが、人と話しているかのように会話をすることができます。

今後は、同時翻訳に関する技術の研究やより自然に会話できる技術の研究が進むことが予想されています。電話対応が全て機械になる日も近いのかもしれませんね。

危険を察知して知らせることが出来る

ディープラーニングに危険やエラーの学習をさせれば、それを未然に防ぐよう知らせてくれるシステムも作ることができます。現在では工場などのセンサーデータなどを学習し、未然に危険やエラーを防ぐという使われ方をしているようです。

 

以上が、現在のディープラーニングで可能なことの一覧です。今後さまざまな広がりをみせていくかもしれませんので、もっとできることが増えるかもしれませんね。

次に、ディープラーニングと人工知能に関する言葉の関係性について解説していきます。

ディープラーニングとAIの関係性

「ディープラーニングとAIは一緒？」「どんな関係性？」そう疑問に思う方も多いでしょう。

ディープラーニングはAI（人工知能）を支える一つの技術です。人工知能を搭載したロボットなどを作るためにディープラーニングや、機械学習などの学習手法が生まれたと考えると分かりやすいかと思います。

AIに関して詳しく知りたい方は次の記事で詳しく解説していますので、ぜひご覧ください。

ディープラーニングと機械学習の関係性

さらに良く混同されてしまいがちなディープラーニングと機械学習ですが、実は機械学習という大枠の中でディープラーニングが生まれた経緯があります。

機械学習の特徴は次のようなものがあります。

ディープラーニングの特徴は次のようなものがあります。

このように機械学習の進化版がディープラーニングといえますが、2つにはそれぞれ特徴があります。

注目してほしい特徴が言葉で説明しにくい場合、収集するデータに関しての知識が浅い場合などは、ディープラーニングを選んだほうが良いでしょう。

どちらを学習しようか悩んでいるなら

使える機械の性能やデータの量でも左右されるのでこちらも注目しましょう。

 

	データの量	性能
ディープラーニング	特徴をいちから法則化するため、非常に多く必要	データを多く扱うため、良い性能のマシンが必要
機械学習	注目点が設定されているので、比較的少なくても可能	データが少なければ、そこまで良い性能のマシンではなくても可能

もし、使えるマシン・使えるデータの量が決まっているなら、その要素にも注目してどちらを学習するか決定することをおすすめします。

次に、ディープラーニングを始めるために必要なものを紹介していきます。

ディープラーニングを始めるのに必要なモノ

この章ではディープラーニングに必要なものを紹介していきます。興味があるけど何から始めよう、という方はぜひこちらを参考に準備を始めてください！

ディープラーニングが出来るマシンが必要

まずはマシンが必要です、先ほども紹介したようにデータを多く扱う場合はマシンの性能について気にする必要があります。学習を始めてデータを多く扱うようになり不便を感じたらディープラーニング用のPCを検討してみてはいかがでしょうか？

ディープラーニング用のPCは、GPUが搭載されている物を選びましょう。GPUは画像描写に関する処理が得意な部品で、CPUだけでは処理に時間がかかるものも高速で処理することが出来ます。

またメモリも出来るだけ多いほうが良いでしょう。ノートパソコンでもディープラーニング用のマシンが発売されていますので、自分のスタイルに合った端末をぜひ検討してみてください。

ディープラーニングの開発環境についてはこちらの記事でも詳しく解説していますので、気になる方はぜひご覧ください。

プログラミング知識も必要

そしてもちろん、プログラミングの知識も必要になってきます。
ディープラーニングで使える言語には

などがありますが、初めてプログラミングを学習するという方には「Python」がお勧めです。ディープラーニング以外にもいろいろなものを作ることが出来る言語なので、楽しく学習できるはずです。

おすすめ言語はこちらの記事で詳しく紹介していますので、これから学習する方はぜひこちらもご覧ください。

次に、独学での学習方法について紹介していきます。

ディープラーニングに独学で入門するには

この章ではディープラーニングを独学で学習するのにお勧めの方法について紹介していきます。

ディープラーニングを始めようとして学習していくと、プログラミングの部分でつまづいてしまいがちです。まずはプログラミングについて学習してからディープラーニングについて深く学習していくことをお勧めします。

おすすめ書籍・サイトを使って学習

ディープラーニング用のプログラミングについて「Python」を学習したいと考えている方は、ぜひ下のリンクから自分のレベルにあったお勧め書籍を選んでみてください。

プログラミングについて基礎知識ができたところで、ディープラーニングについての学習を始めていきましょう。

上記の書籍と一緒におすすめなのが次の一冊です。

勉強会やイベントに参加してみる

Pythonもディープラーニングも学習している人が多い分野です。勉強会やイベントの開催もあるので、時間や場所が合うなら参加してみることをお勧めします。

実際にディープラーニングを行っている方の話や、同じレベルの学習者と知り合うことが出来るので有意義な時間になりますよ。

勉強会情報を検索できる「connpass」で「ディープラーニング」を検索してみると、現在では57件ヒットしました。「Python」なら209件のヒットです！自分が行きたいと思える内容の勉強会が行われていればぜひ参加してみましょう。

スクールを検討してみる

ここまで独学での学習方法を紹介してきましたが

という方にはスクールをお勧めします。

マンツーマンのスクールなら、目標の設定から学習方法まで講師にみてもらえます。学習中に疑問があってもすぐに頼ることが出来るので安心ですよね。

ですが、スクールが自分に合うのかというのも不安ですよね。

侍エンジニア塾では「無料体験レッスン」を行っています。また、AIコースもありますので人工知能に関する開発に興味がある方にお勧めです。

無料体験レッスンでは、コンサルタントに自分の悩み、コースの相談ができるので、スクールが自分に合っているか確かめることが出来ます。お悩みの方は、ぜひ一度体験レッスンを受講してみてはいかがでしょうか？

まとめ

近年話題になっている「ディープラーニング」を紹介しました。

人工知能に興味があるけど、どんなものなのか分からないと思っていた方の疑問が解決すれば筆者も嬉しいです。

それでは次の解説で！