機械学習とディープラーニングの違い
データから学ぶ技術と、特徴量まで自動で取り出す技術

機械学習とは

機械学習は、機械が既知のデータを学習して、未知のデータに対する予測や異常の検知を行う技術です。人間がプログラムで細かい指示を出すのではなく、コンピュータ自身が大量のデータから規則性やパターンを見つけ出します。たとえば、製造機械が故障する前の異常な高温を見つけて、故障を事前に予測するような使い方があります。

機械学習は、大きく2つのフェーズに分けられます。

• 学習フェーズ: ビッグデータから異常値を取り除くなどの前処理をして、訓練データを作ります。これを学習器に入力すると、学習器は、訓練データに付いた正解情報と比べながら、規則性やパターンを見つけます。その結果として出てくるものが、学習済みモデルです。学習済みモデルを作るには、高速な演算能力と多くの時間が必要です。
• 実行フェーズ: 学習済みモデルを AI として現場に置き、現場の実データを未知のデータとして入力して、予測や異常検知に使います。

ディープラーニングとは

ディープラーニング（深層学習）は、ニューラルネットワークを多層（深層）構造にして、機械学習をさせる技術です。ニューラルネットワークとは、脳の神経回路をまねてモデル化したものです。

違いのポイントは特徴量です。特徴量とは、顔の認識なら輪郭・眉・目・鼻・口のように、判断に必要な要素のことです。ディープラーニングでは、この特徴量を人間が教えなくても、学習器が層ごとに順番に取り出しながら学習します。画像のようなデータでは、特徴量の抽出は難しいとされてきましたが、ディープラーニングはこれを自動化できます。

一方で、ディープラーニングの性能は訓練データの質と量に大きく左右されます。また、判断の理由が人間に分かりにくいという課題もあります。

違いを表で比べる

お客様に説明するときは

AI を使った機能を案内するときは、「あらかじめ大量のデータで学習させたものを、実際の場面で使っている」と説明すると伝わりやすくなります。教科書の例のように、画像から顔の輪郭や目・鼻・口を見分ける場面では、ディープラーニングが力を発揮します。「AI は絶対に間違えない」といった言い方は避け、学習に使ったデータの質に左右されることも伝えます。

試験での問われ方

スマートフォン・モバイル実務検定では、第10章「5G/IoT/AIの最新動向」で出ます。もちこ道場の第10章の問題（全50問）のうち、機械学習・ディープラーニングを扱う問題は10問あります。

• 穴埋め: 「コンピュータ自身が大量のデータから規則性を見つけて学習する技術」に機械学習、「人間が教えなくても層ごとに取り出す、認識に必要な要素」に特徴量を選ぶ。「学習フェーズで前処理を経て作り、学習器に入れるもの」に訓練データを選ぶ問題もあります。
• 2つの空欄の組み合わせ: 「既知のデータを学習して予測・異常検知を行う技術」と、その結果できるものに、機械学習と学習済みモデル（または訓練データ）を組み合わせる。
• 記述を選ぶ: 「学習済みモデルを作れば、AI が誤った判断をすることは絶対にない」のような言い切りの誤りを見抜く。

覚え方

• 機械学習＝データで学んで、モデルを作る。流れは訓練データ → 学習器 → 学習済みモデル。
• ディープラーニング＝深い（ディープ）層で学ぶ。層が深いので、特徴量まで自分で取り出せる、と考えます。
• 用語の関係は「機械学習の中にディープラーニング」。逆にならないように気をつけます。

第10章のほかの用語は「第10章 5G/IoT/AIの最新動向の要点」にまとめています。