テクノべート

ディープラーニングとは?機械学習ってなに?注目を集めたキッカケ

ディープラーニングという言葉を聞いたことがある方は多いかと思いますが、ディープラーニングって何?どんなことができるの?と聞かれたとき、相手にわかるように伝えることができる人は少ないのではないでしょうか。

私も、ここに書いていることを調べて書き出すまで、人に説明できる状態ではありませんでした。

現在、身近ではない場合もディープラーニングを活用することで、出来ることを理解しておくことで、身近になってきた際に活用できるように準備しておくことで、プライベートだけでなく、ビジネスも円滑に進められるようになります。

ディープラーニングとはどの様な技術であるかについて、説明していきます。

 

 

ディープラーニングとは?

ディープラーニングとは、人工知能を飛躍的に進化させる可能性を秘めた機械学習の手法で、モノを分類することを得意としていて、画像認識や翻訳などの自然現象認識や音声性能を進展させてきました。このディープラーニングが広がった2つの出来事がありました。

1つ目は、2012年の「ILSVRC」という世界的な画像認識コンペで、トロント大学が開発したスーパービジョンというシステムの認識率が85%程度という圧倒的な結果を出したことです。この時、他の開発システムでは、75%程度という状態でした。

2つ目は、人間の手助け無くコンピューターが「ネコ」を画像認識できたことです。人の手助けなしで認識できたことがどれだけの技術であるかについて、少し触れていきます。

 

ディープラーニングの新規性

ディープラーニングと新規性を理解するために、今までの機械学習との違いを見ていきたいと思います。

機械学習とは、大量のデータを反復して学習することで、パターンを発見することです。例えば、猫の特徴である、「長いしっぽ」や「立った耳」などを確認せよというポイントを機械に教える必要がありました。これに対し、ディープラーニングでは、これらの「長いしっぽ」「立った耳」などの特徴を自分で見つけて分類します。そこから写真を見せただけで「ネコ」と判断するようになります。

機械学習では、人が情報を与えた量が重要でしたが、ディープラーニングでは人が情報を与える必要がありません。

つまり、人間に教わることなく、情報量を自分で発見することが新規性になります。

 

 

企業が行う様々な活動をPlan(計画)、Do(実行)、Check(評価)、Act(改善)という観点から管理するフレームワークです。PDCAは、会社全体の経営計画や事業計画から、個人の業務計画や目標管理まで幅広い場面で活用できます。

 

 

ニューラルネットワーク

ディープラーニングは、ニューラルネットワークという人間の脳の神経細胞の仕組みを模倣したアルゴリズムを使用しています。人間の脳はニューロンという神経細胞がシナプスというもので網目状に紐づいています。そのニューロンは、他のニューロンから電気信号を受け取って情報伝達していきます。受け取った電気信号は、一定量の情報を受けると、次の電気信号に情報を与えます。これを模倣したものがニューラルネットワークです。

ニューラルネットワーク自体は50年以上前からありましたが、このニューラルネットワークの情報やり取りの間(情報を溜めた際)に関係性を深く掘り下げていくのがディープラーニングの特徴です。

 

ディープラーニングの活用事例

天網

中国で採用されている天網というカメラ付きの眼鏡が有名です。警察官が付けている眼鏡にうつった人を認識して、犯罪者を見つけるというものです。これにより、人の目とディープラーニングによる天網の2つの目で犯人を捜すことができます。

 

顔認証システム

スマートフォンや空港の入出国審査、買い物などと、幅広い場面で顔認証システムは活用されています。これにより、よりスピーディーに効率的に物事を進められるようになっています。

 

活用事例のように、顔そのものがIDやセキュリティに繋がっています。が、顔自体が個人情報となるなど、この先、セキュリティ面での進化が求められています。

 

 

ディープラーニングのコツ

ディープラーニングは機械学習の1つでしかないため、機械学習の様々な面で制約を受けます。

ディープラーニングによって学習精度は高まりましたが、ディープラーニングが選定した理由を説明することはできません。例えば、写真がネコかイヌかという答えを導き出すことはできますが、データの意味を理解しているものではなく、なぜイヌか?という質問には答えることはできません。また、ディープラーニングによって得られた結果は、必ずしも正解とは限りません。必ず一定数の間違いは含まれてきますので、その部分を理解して業務に活用する必要があります。

更に、学習できるデータの質と量によって、予測の精度は変わってきます。一般的には学習したデータ量が多い方がデータの質も高くなりますが、データに偏りがあると誤った回答が増えてしまいます。学習するデータの質も重要となります。

 

 

メーカーでの経験を通じて

アナログ商品のメーカー業界では、まだまだディープラーニングは浸透していない。そう思った方もいるかもしれませんが、意外と身近になってきています。例えば、お客様からの問い合わせではチャットで回答できるようになっていて、そこにはディープラーニングが活用されています。これにより、お客様に正確に回答できるだけでなく、メーカー側の人件費まで削減されてきています。

ディープラーニングによって、機械に奪われる仕事というワードを目にすることが多くなっていますが、人にしかできない論理的思考や思いを込めて説明する能力の重要性が高まってきていると感じます。

 

 

まとめ

ディープラーニングによって、人が教える必要があった機械学習から精度が高まり、その活用が公共機関を中心に劇的に進化しています。ディープラーニングの持つ特徴を活かしながら、人価値を高めることを意識して過ごす必要があります。

 

 

↓【テクノベート】記事一覧はこちらから


≫≫≫トップページに戻る

COMMENT

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です