ディープラーニングって何がすごいの？　【3分解説】

ディープラーニング(深層学習、Deep Learning、略してDL)は、ニューラルネットワークの最終形態であり、最強の精度を誇るAIの仕組みです。

ニューラルネットワークについて知りたい人は、こちらの記事も参考にしてください。何となくふわっとざっくり分かっていれば大丈夫です。

ディープラーニングとは、より複雑な重みづけをするために、中間層が多層になって巨大化したニューラルネットワーク、と捉えてください。

中間層がたくさんある

では具体的に、ディープラーニングの何がそんなにすごいのか？？？

それはズバリ、AIが参考にする特徴を自分で決めるという点です。

例えば、たくさんの画像の中から「リンゴ」だけを判別するAIを作るとします。その際に人間が「色は赤く、形は丸いものがリンゴですよ」という風に教えていたのが従来のやり方です。
(厳密に言えばその限りではないのですが、イメージとしてはこの認識で大丈夫です。初学者向けに説明を簡略化しています)

しかしディープラーニングにおいては、AIがたくさんのリンゴの画像を見ていく中で「色が赤いものを選べば良いんだな」「形は丸いんだな」という風に、勝手に学習していくのです。そして時には、我々人間では思いもよらないような隠れた法則性を見つけてきたりします。
まさに自分で考える知能というわけです。

この強みを活かして、人間の視点では気付けなかった自然法則を発見したり、ゲームの新たな戦略を導き出したりします。

と、これだけ聞くと、まるで完全無欠かのように見えるディープラーニングですが、難点も多いのが現状。
例えば高い精度を出すためには、無数のデータが必要ですよね。さっきの例で言えば、数えきれないほどのリンゴの画像を集めなければなりません。そして複雑な計算をたくさん行っているので当然、計算コスト(高性能なマシン、電力など)もかかります。

また、AIの思考過程が複雑すぎて人間には理解しづらいという、ブラックボックス性の問題もあります。
これはAIを実際に社会利用する上で非常に大きな問題です。例えばAI自動運転の車がハンドルを切って人を轢いてしまった場合、「AIがなぜハンドルを切ったか分からない」では済まされませんからね……。

そういったブラックボックス性の問題を解決するための説明可能なAI(Explainable AI、略してXAI)の研究も盛んに行われています。最近アツい分野なので、興味のある人は是非調べてみてください。

少しでも役に立ったと思ったら、ハートマークとフォローお願いします！
以上、ラケットでした！