この記事では、「ディープラーニング」と「機械学習」の違いを分かりやすく説明していきます。
「ディープラーニング」とは?
「ディープラーニング」は、AIの学習法でコンピューター自身の学習方法の一つになり、一つの答えを導きだすまでの間、人間が一切関与せずに答えを探しなさいという学習法です。
なので、機械は、学習をするに際して、情報となるソースをもとに答えを導き出します。
たとえば、自動車の定義とは何か?をコンピューターに答えを出すよう指示をすれば、コンピューターは、自らデータを収集して答えを導き出します。
ですが、答えとなるデータを一切与えない、もしくは、情報を入手できない場合、コンピューターは、答えを指し示さないのが「ディープラーニング」です。
「機械学習」とは?
「機械学習」は、AIの学習方法でコンピューター側がある法則を学ぶための学習法です。
たとえば、丸いという状態の法則は何かと学習させる場合コンピューターは、〇の定義を自ら考えだすか、情報というソースから答えを探して〇はどのようなもの意味するかを考えます。
コンピューター自体も自ら考えるというのが「機械学習」になるため、第三者がヒントを出してあげれば学習速度が速くなり、ヒントを出さずに自分で学習をしてもらうように設定した場合には、学習して〇の定義を導き出すまで時間がかかるというのが「機械学習です。
「ディープラーニング」と「機械学習」の違い
両者の違いはAIを構築する際に、コンピューター側に自ら率先して情報を取得して学習する試みを持たせるか、あえてコンピューター自体も試行して条件を取捨選択することでどっちの答えが良いかな?と考えさせるかどうかです。
「ディープラーニング」は、取捨選択を重要としていないため、リンゴは赤いものしかないという定義に陥りません。
なので、青リンゴもリンゴだと学習する余裕がありますが、「機械学習」は情報を取捨選択するので、間違って学習をすれば、リンゴは赤以外ないと考えてしまうのです。
そのうえで、「機械学習」は、融通が利かず、赤以外のリンゴは無いと判断した場合、人間側が実は赤以外もあるんだよと教えてあげないと成立しません。
まとめ
「ディープラーニング」については、深く深層に入り込み学ぶことなので、情報を取捨選択することはどうでもよく、例外のケースでも情報を採用する点にあります。
なので、悪意ある情報ばかりをコンピューターが引き出すようにプログラムをすれば、悪い方向にコンピューターは情報を受け取り判断をします。
一方、「機械学習」は、取捨選択を重要に考えるので、例外が発生した場合とても弱いです。
なので、考え方としては、「機械学習」は、例外を認めないジャンルに強く、「ディープラーニング」は例外を探してそれも正解だよという考えに強いです。
よって、検品のような考えであれば、この形と色以外認めないというのであれば、「機械学習」のほうが判断が早く、「ディープラーニング」は、例外を探し出そうとする分判断が遅れます。
