WORKS APPLICATIONS

1分でわかる「人工知能の業務活用」第2弾

掲載日

2018年2月23日(金)

1分でわかる「人工知能の業務活用」第2弾
「機械学習」と「ディープラーニング」の違いとは?


前回の記事では、なぜいま人工知能がブームなのか、そして人工知能の取り入れられ方についてご紹介しました。今回はより詳細に踏み込み、「機械学習」と「ディープラーニング」の違いについてまとめたいと思います。 1分でわかる「人工知能の業務活用」シリーズ全3回の内、今回は第2弾となります。

ずばり、「機械学習」と「ディープラーニング」の違いとは?


「機械学習(マシーンラーニング)」とは、人工知能(コンピュータのプログラム)に人間のような学習能力を持たせるための研究分野です。1990年代中盤から統計学や確率推論など様々な理論が提唱され、実用的な成果を上げてきたと言われており、大きく分けると三つの学習方法が存在します。

  • 教師付き学習
    人間が機械に正解や不正解を教え、それを学習することで未知のデータに対しても正解/不正解が判定できるようになるというもの。伝統的に長らく研究されており、現在でも基礎研究や応用研究の中心的テーマになっています。

  • 教師なし学習
    人間が機械に正解や不正解を教えず、膨大なデータを自動的に解析して法則や傾向を導き出す方法。2000年代中盤から注目され始めました。

  • 強化学習
    囲碁を打つ人工知能などを作成する際に主に用いられる学習方法です。一手ごとの判断ではなく、一連の流れを受けて最終的な結果(勝てる可能性)を最大化するように学習します。


人工知能に猫を認識させるという有名な研究がありますが、これを「教師付き学習」で説明すると、大量の画像データと解答をセットで与えて、人間が猫の”重要な特徴”(=専門用語で「特徴量」という)を教えて、機械が猫を判断できるように調整・定義していくという学習方法です。



一方、機械学習の発明の一つである「ディープラーニング」では、特徴量を機械的に自ら抽出して学習を行います。人間が与えた定義ではなく、人工知能が自ら引き出した”重要な特徴”を基に判断を行うため、人間が”あいまいさ”を活用して識別していることを、人工知能も識別できるようになると言われています。

具体的な例で言うと、囲碁など高度なゲームにおいては、大量の盤面をもとに繰り返し学習させ、機械がデータ間の相関関係を分析して、最終的な効果(勝つ可能性)を最大化するよう学習していきます。囲碁を打つ人工知能が人間のチャンピオンを打ち負かしたニュースもあるように、特定の分野においては人間の能力を超える事例も出てきています。

人工知能を分かりやすく捉えるには?


ここまで「機械学習」と「ディープラーニング」について説明してきましたが、現在人工知能の分野でどのような技術がどのように使われているのか、正直全体像が分かりづらいと感じている人も多いのではないでしょうか。

人工知能とは人間が行う知的処理を機械(コンピュータ)で行う技術ですが、そのアプローチは「人間の学習能力を機械で実現する」というものと「人間と同等の知能を実現する」という大きく分けて2種類のアプローチがあります。人間の知能の代わりを一部行う機械である前者を「特化型のAI」、知能を持つ機械である後者を「汎用型のAI」と分けてみてみましょう。



  • 特化型のAI
    以前からある人工知能であり、現在「ディープラーニング」ブームを受けて進化している段階。
    「弱いAI」とも呼ばれている。

  • 汎用型のAI
    人間の脳の仕組みをまねて、機械に人間のように考えさせることを目指している。
    「強いAI」とも呼ばれる。夢の人工知能であり、まだ実現していない。


意外と誤解している人も多いのですが、現在のAIは「弱いAI」であり、特定の問題に対しては人間を超える結果を出しているものの「強いAI」はまだ実現していません。「強いAI」が完成すれば“シンギュラリティ”が到来するとも言われています。

では、いまビジネスの現場で活用されている人工知能とはどのようなものでしょうか。大量のデータと十分な計算機リソースがあれば、人間を越えるパフォーマンスも出せるようになるかもしれません。

次回は「ビジネスにAIはどう組み込まれるべきか」についてご説明します。


1分でわかる「人工知能の業務活用」第1弾 1分でわかる「人工知能の業務活用」第3弾

より詳細をご希望の場合は、以下からお気軽にお問い合わせください。
お問い合わせはこちら


関連記事はこちら

本サイトは、快適にご覧いただくためCookieを使用しています。閲覧を続ける場合、Cookie使用に同意したものとします。 Cookieポリシーを表示