【入門】AI・機械学習・深層学習 (ディープラーニング) の違いと例

本記事は、以下の書籍を参考に「AI・機械学習・ディープラーニングとは」について説明します。

その他のディープラーニング入門記事については、以下をご覧ください。

スポンサーリンク

AI vs 機械学習 vs 深層学習

「AI」と「機械学習」と「深層学習 (ディープラーニング)」は、以下のような関係です。

AI と機械学習と深層学習 (ディープラーニング) の違い

「AI」と「機械学習」と「深層学習 (ディープラーニング)」は以下のような違いがあります。

AI機械学習深層学習(ディープラーニング)
特徴量人が考える人が考えるコンピュータが見つける
識別ルール人が考えるコンピュータが見つけるコンピュータが見つける

例えば、写真の人に適切な T シャツのサイズを提案する場合を考えます。

AI機械学習 (深層学習を除く)深層学習(ディープラーニング)
人が「身長」で分類する考える人が「身長」で分類すると考える機械が自動で「身長」で分類できそうだと学習
人が 165cm で「S サイズ」と「M サイズ」を分類するプログラムを作る機械が自動で165cm を境に「S サイズ」と「M サイズ」を分類できそうだと学習機械が自動で165cm を境に「S サイズ」と「M サイズ」を分類できそうだと学習
特徴量 = 身長、識別ルール = 165cm 以上かどうか
スポンサーリンク

AI の種類

AI には次のような種類が存在します。

  • ゲーム AI:ゲームの敵キャラの動き等
  • エキスパートシステム:ナレッジベース等 (症状を入力すると、病名が出る等)
  • 機械学習

他にも様々な種類がありますが、一般的に AI というと、現在は機械学習を指します。

スポンサーリンク

機械学習の問題とアルゴリズム

機械学習には、以下の3つの学習方法が存在します。

  • 教師あり学習
  • 教師なし学習
  • 強化学習

教師あり学習

教師あり学習とは、事前に問題と答えを用意する学習方法です。

問題問題の説明学習アルゴリズム
回帰データから別のデータを推測する問題・線形回帰
・サポートベクター回帰
・ランダムフォレスト
ニューラルネットワーク (MLP + 恒等関数)
分類データをクラス (グループ) に分類する問題・サポートベクターマシン
・ランダムフォレスト
ニューラルネットワーク (MLP + Softmax)

教師なし学習

教師あり学習とは、事前に問題だけを用意する学習方法です。
答えは用意されていません。

問題問題の説明学習アルゴリズム
クラスタリングデータをクラス (グループ) に分類する問題・k平均法 (k-means clustering)
ニューラルネットワーク (SOM)
相関ルール
(Association rule Learning)
相関関係を探す問題
(ピザを買った人はコーラも買う確率が高い)
・Apriori
・Eclat
・FP-growth

教師なし学習は、求めていた結果となるとは限りません。

例えば、画像の数字を判定する機械学習を行うとします。

  • 「教師あり学習」の「分類」:0〜9の答えがある場合、0〜9に分類します
  • 「教師なし学習」の「クラスタリング」:棒っぽいもの「1,7」、丸っぽいもの「0,8」等で分類されたりされなかったりします

強化学習

強化学習とは、システムが実際に問題を解き、その解に得点を与える学習方法です。
システムは色んな解を出し、得点を最大にしようとします。

問題問題の説明学習アルゴリズム
強化学習解の得点を最大にする問題です。
(囲碁では、自分が勝った手を最大得点)
・モンテカルロ法 (Monte Carlo methods)
・TD 学習 (temporal difference learning)
 ・Q 学習
  ・ニューラルネットワーク (DQN)
・動的計画法 (dynamic programming)

深層学習 (ディープラーニング) とは

ディープラーニング (深層学習) とは、機械学習のニューラルネットワークのうち、4層以上を利用して学習する方法です。

※ここでは、「層は、特徴量の抽出を段階的に行うもの」ぐらいで理解しておいてください

深層学習として最も普及した手法は、(狭義には4層以上[2][注釈 2]の)多層の人工ニューラルネットワーク(ディープニューラルネットワーク: deep neural network; DNN)による機械学習手法である[3]

https://ja.wikipedia.org/wiki/%E3%83%87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0

ディープラーニングのモデル/手法

ニューラルネットワーク (ディープラーニング) には、以下の種類が存在します。

学習アルゴリズム機械学習の種類
MLP (Multi Layer Perceptron)教師あり学習
CNN (Convolutional Neural Network)教師あり学習
RNN (Recurrent Neural Network)教師あり学習
SOM (Self-Organizing Maps)教師なし学習
DQN (Deep Q-Network)強化学習

ディープラーニングの種類とできること

実用例説明学習アルゴリズム
物体認識画像をクラス (種類) 分け
海の写真ごとにクラス分け
CNN
物体検出画像の物体の位置を検出
□で囲んだものが人と検出
R-CNN
セグメンテーション画像のピクセルでクラス分けFCN
画像キャプション画像の説明文を自動生成NIC (CNN + RNN)
画像生成画像を自動生成DCGAN
自動運転セグメンテーション
運転ルート等
SegNet
Alpha Go の囲碁
マリオの自動プレイ等
自動プレイDQN
https://jp.mathworks.com/solutions/image-video-processing/object-recognition.html
https://jp.mathworks.com/content/dam/mathworks/mathworks-dot-com/company/events/webinar-cta/2459280_Basics_of_semantic_segmentation.pdf
https://ai.googleblog.com/2014/11/a-picture-is-worth-thousand-coherent.html
https://arxiv.org/pdf/1511.06434.pdf
https://www.youtube.com/watch?v=CxanE_W46ts
https://pytorch.org/tutorials/intermediate/mario_rl_tutorial.html
https://ja.wikipedia.org/wiki/AlphaGo

終わりに

ディープラーニング入門記事

ディープラーニング入門記事の続きは以下の記事です。

参考資料