「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。
以降では、それぞれの違いの詳細を説明します。
| ディープラーニング | |||
|---|---|---|---|
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) | |
|---|---|---|---|
| 特徴量 | 人が「身長」で分類すると考える | 人が「身長」で分類すると考える | 機械が「身長」で分類できそうだと自動で学習 |
| 識別ルール | 人が165cm を境に「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165cm を境に「S サイズ」と「M サイズ」を分類できそうだと自動で学習 | 機械が165cm を境に「S サイズ」と「M サイズ」を分類できそうだと自動で学習 |
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。
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
| 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) |
| 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
| 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) |
![[第3版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)](https://m.media-amazon.com/images/I/51j2a-lVLyL._SL160_.jpg)
深層学習 (ディープラーニング)
※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、英: 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 | 例 | 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/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
関連記事
ディープラーニング入門記事の続きは以下のとおりです。
- 【ディープラーニング入門１】AI・機械学習・ディープラーニングとは ←イマココ
- 【ディープラーニング入門２】パーセプトロン・ニューラルネットワーク
- 【ディープラーニング入門３】バックプロパゲーション (誤差逆伝播法)
- 【ディープラーニング入門４】学習・重み・ハイパーパラメータの最適化
- 【ディープラーニング入門５】畳み込みニューラルネットワーク (CNN)
