【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

「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
スポンサーリンク

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
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k-Nearest Neighbor (k近傍法)
・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k-Nearest Neighbor (k近傍法)
・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

教師なし学習とは、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)

深層学習 (ディープラーニング)深層学習 (ディープラーニング)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

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。