ニューラルネットワークとディープラーニングの違いは？層を重ねるとAIは顔まで見分けられる

前回のおさらい：ニューラルネットワーク

前回学んだニューラルネットワークは、人間の脳の神経細胞（ニューロン）が信号をやり取りするしくみを、コンピュータ上に再現したモデルでした。たくさんのニューロンが活性化関数を使って入力を処理し、次のニューロンへ出力していきます。

今回はこのニューラルネットワークをさらに発展させた技術、ディープラーニングを学びます。ニュースでもよく聞く言葉ですが、動画では、ITパスポート試験でとてもよく出るAI分野の最重要キーワードの1つと紹介されています。

ディープラーニング＝ニューラルネットワークの多層化

ディープラーニングは日本語で深層学習といいます。一言でいうと、ニューラルネットワークを多層化したモデルです。多層化とは、ニューロンが並んだ「層」をたくさん重ねることです。

層の構造をおさらい

ニューラルネットワークは、ニューロンという計算の単位が、層になって並んでいます。入力を受け取る入力層と、結果を出す出力層があり、そのあいだにある層を隠れ層（中間層）と呼びます。

従来のシンプルなニューラルネットワークは、この層の数が比較的少なく、浅い構造でした。それに対してディープラーニングは、層を何十にも重ねた、深いネットワークです。ディープは、そのまま「深い」という意味です。

なぜ、わざわざ深く重ねるの？

ディープラーニングでは、コンピュータ自身がニューラルネットワークを使って大量のデータを分析し、データの規則性を見つけ出します。たとえば「写真に写っているのが何なのか」といったパターンです。

層が少ないシンプルなネットワークでは、単純な特徴しか捉えられません。層を何重にも重ねることで、もっと複雑で高度な特徴、データの奥深くにかくれている規則性まで学習できるようになります。

ここで大事なのは、「線の次は輪郭を見よう」といった手順を、人間がひとつずつ教えているわけではない、という点です。大量のデータを分析するなかで、コンピュータ自身が、判断に役立つ特徴を見つけ出していきます。この特徴のことを、シラバスでは特徴量という用語で扱っています（動画にはない補足です）。

画像認識の例：線から顔まで

ここまでをまとめると、脳の神経細胞のしくみをまねたものがニューラルネットワーク、そのネットワークの層を深く重ねて、より高度なデータ分析を可能にしたものがディープラーニングです。ディープラーニングは、ニューラルネットワークという土台があって初めて成り立つ技術で、両者は切り離せない関係にあります。

ディープラーニングはどこで使われている？

ディープラーニングは、画像認識、音声認識、自然言語処理（文章を理解したり生成したりする技術）といった、幅広い分野で活用されています。近年の生成AIをはじめとする、さまざまな高度なAI技術の土台になっている技術でもあります。前回の写真アプリが顔を見分けてくれるのも、ディープラーニングのおかげです。

ニューラルネットワークとディープラーニングを混同しない

試験対策としていちばん大切な注意点が、この2つの言葉を混同しないことです。

「ニューラルネットワークを多層化したモデルがディープラーニングである」という定義が、そのまま問われることが多いので、この一文はそのまま覚えてしまいましょう。

何層以上からディープラーニング？

「何層以上ならディープラーニングと呼ぶの？」というのは、よくある疑問です。動画では、「何層以上」という明確な線引きはないと説明されています。層が少なく浅いのか、非常に多く深いのかという、相対的なイメージで捉えておけば大丈夫です。数字で覚えようとしなくてかまいません。