ディープラーニングと機械学習、そこが違う

ディープラーニングと機械学習 – どちらも人工的なシステムが学習する方法の一つです。学習方法はどのようなものなのか、本当の違いはどこにあるのか、ここで確認してください。

ディープラーニングと機械学習の比較

｜日本経済新聞

ディープラーニングと機械学習の具体的な違いを紹介する前に、両手法の定義を紹介します。

• 機械学習またはマシンラーニングは、パターンを認識し、それを一般化することを前提とした数学的手法に基づいています。この過程で、人工システムは経験から知識を獲得していく。
• 機械学習におけるパターン認識は、例えば、変数と指定された値を比較して真偽を分類する決定木における階層形成を介して機能します。同様に、ある値Kの最近傍をカウントするベクトルの類似性の作成も可能であり、これはシステムが見つけなければならない。

• 多くの機械学習手法は教師ありきのもので、人間がシステムに明確な指示とクラスを与え、システムが適切な値を出力しなければなりません。機械学習アルゴリズムは、例えばスマートウォッチで動作プロファイルを分析するなど、日常生活でさまざまに活用されている
• 機械学習は、入力されたデータが少なすぎたり、データが多次元になりすぎたりすると、利用が難しくなります。機械学習システムにとって、事前に決定されたデータは非常に重要であるため、適切な量のデータがなければ機能しない。
• 機械学習もある程度はディープラーニングに及んでいます。しかし、ここでは、人間の脳などの生体ネットワークをモデルにした人工ニューラルネットワークが使われています。
• ディープラーニングの名前の由来は、機械学習では問題になるような深い次元を扱うことからきています。ここでは、事前にデータを受け取らず、システムが自ら学習する

• 人工知能などで使われるディープラーニングも、どの情報が正しくて、ニューラルネットワークを強化する必要があるのかをシステムが学習するため、エラーが必要です

• 特にディープラーニングでは、AIに情報を提供するなど、常に人間の力が必要です。例えば、グーグルの「AlphaGo」プログラムは、2015年にボードゲーム「囲碁」で人間に勝つことに成功した。

ディープラーニングと機械学習の違い

について

深層学習は機械学習と類似していますが、この2つの学習方法は大きく異なる点があります。

ディープラーニングは機械学習の手法を利用していますが、その逆はありません。

• 機械学習では多次元はシステムとして複雑すぎるが、深層学習ではその深さだけで構築される
• 機械学習は教師ありきの学習であることが多いので、そうした学習システムの判断は、深層学習よりも透明性が高いと言えます。ここでは、人工的なニューラルネットワークが働いており、生物学的なものと同様に、追跡不可能な判断を下しているのです
• 深層学習もAI研究にとって非常に重要ですが、まだ機械学習ほど精巧ではありません。