① 人工知能の基礎と動向／ 1. 人工知能の定義

ディープラーニングとは

ディープラーニングとは、多層構造のニューラルネットワークを用いた機械学習の手法です。最大の特徴は、分類に役立つ特徴量を人間が設計しなくてもデータから自動的に獲得できる点にあります。

この用語はG検定シラバスの「1. 人工知能の定義」に含まれます。章全体の用語は用語解説①（全54語）にまとまっています。

多層のニューラルネットワークを使い、特徴量まで自動で学習してしまう機械学習の手法です。

「特徴量を人が設計しなくてよい」ことの意味

従来の機械学習では、「何に着目すれば見分けられるか」を人間が考えて数値化する必要がありました。これを特徴量エンジニアリングと呼び、精度を左右する職人的な工程でした。

ディープラーニングは、層を深く重ねることで単純な特徴から複雑な特徴へと段階的に学習します。画像であれば、浅い層がエッジや色、深い層が物体の部分や全体を捉えるようになります。この性質を特徴表現学習と呼びます。

ディープラーニングが注目された決定的な出来事が、2012年のILSVRCです。ディープラーニングを用いたチームが従来手法を大差で上回り、分野の転換点となりました。

この成果を支えたのは手法だけではありません。ImageNetという大規模なラベル付きデータセットと、GPUによる計算能力の向上がそろったことが背景にあります。

構造の源流をたどると、ネオコグニトロン（福島邦彦氏）とLeNet（ヤン・ルカン氏ら）に行き着きます。両者の違いは誤差逆伝播による学習を行うかどうかで、対比としてよく押さえておきたいところです。

多層のニューラルネットワークという発想自体は古くからありました。それでも長く実用化されなかったのは、次の3つが揃わなかったためです。

「手法・データ・計算資源の3つが揃ってブレイクスルーが起きた」という流れで理解しておくと、関連する設問に対応しやすくなります。