ディープラーニングとは
多層のニューラルネットワークで、特徴量を自動で学ぶ

ディープラーニングとは

ディープラーニング（deep learning）は、人間の脳にある神経回路をまねたニューラルネットワークを何層にも重ね、データの中から特徴量を自動で抽出して学ぶ技術です。日本語では深層学習とも呼びます。「ディープ（深い）」は、層が何重にも深く重なっていることを指します。

特徴量とは、モデルが学ぶのに適した、データの意味のある情報やパターンを数値にしたものです。従来の機械学習では、画像のどこに注目するかといった特徴量を、人間が手作業で設計する必要がありました。層を何重にも深くしたことで、この特徴量の抽出までデータから自動で学べるのが、ディープラーニングの強みです。そのため、画像・音声・文章といった非構造化データからでも、複雑なパターンを識別できるようになりました。

しくみ（多層のニューラルネットワーク）

ニューラルネットワークは、入力を受ける層、途中で計算を重ねる隠れ層、結果を出す出力層からできています。隠れ層を何層にも重ねたものがディープラーニングです。

層を重ねるほど複雑なパターンを捉えられますが、そのぶん学習には高品質な大量のデータが必要です。また、内部の計算が複雑なため、なぜその判断になったのかを人間が理解しにくくなります。これがブラックボックス問題です。

代表的なアルゴリズム

• CNN（畳み込みニューラルネットワーク）: 画像の局所的な特徴を捉える構造を持ち、画像認識で高い精度を示します。
• RNN（再帰型ニューラルネットワーク）: 音声やテキストなど、時間的な順序を持つ時系列データの処理に向いています。

2つの違いは「CNN と RNN の違い」で比べています。

ブラックボックス問題と XAI

医療や金融のように、判断の根拠が求められる分野では、ブラックボックスのままでは使いにくくなります。そこで、出力に至った経緯や判断の根拠を可視化する説明可能なAI（XAI）が使われます。

試験での問われ方

モバイルシステム技術検定2級では、第10章「生成AIとAI活用」で出ます。もちこ道場の第10章の問題では、ディープラーニングを含む問題が18問あり、次のような問われ方をしています。

• 穴埋め: 「ニューラルネットワークを何層にも重ね、特徴量を自動で抽出する技術」の空欄にディープラーニングを選ぶ。CNN は「画像認識」、RNN は「時系列データ」、XAI は「ブラックボックス問題の解決」の説明から選ぶ。
• ほかの用語の外れの選択肢: 統計解析・転移学習・強化学習の問題で、ディープラーニングが外れの選択肢として並びます。
• 組み合わせの穴埋め: 「人間が手作業で設計していた[特徴量]を、[ディープラーニング]が自動で抽出する」のように、2つの空欄を同時に選ぶ。
• 誤った記述を選ぶ: 「ディープラーニングは人間が特徴量を手作業で抽出する」のように、従来の方法と入れ替えた記述や、CNN と RNN の向き不向きを入れ替えた記述を見抜く。

似た用語との違い

覚え方

• 「層を重ねて、特徴量を自動で」。ディープ（深い）は層の数、人間が特徴量を作る必要がなくなった点が、従来の機械学習との違いです。
• CNN は目、RNN は流れ。画像を見るのが CNN、時間の順に流れるデータを扱うのが RNN と覚えます。
• 判断の理由が見えないことをブラックボックス、それを見えるようにするのが XAI です。

第10章のほかの用語は「第10章 生成AIとAI活用の要点」にまとめています。機械学習の全体像は「機械学習とは」をどうぞ。