ディープラーニングとは

まず押さえる結論

ディープラーニングは、G検定の「大項目1 人工知能とは」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。

具体例から判断の境界を固める

機械学習全般を指す語ではなく、多層のニューラルネットワークを用いてデータから特徴量を自動的に学習する、機械学習に含まれる具体的な手法として捉える

画像認識や音声認識、自然言語処理などで高い性能を発揮する手法で、入力層と出力層の間に複数の中間層を持つ多層のニューラルネットワークを用います。従来の機械学習の手法では人が特徴量を設計して与える必要がありましたが、ディープラーニングでは層を重ねることでデータから特徴量そのものを自動的に学習できる点が特徴です。

問題文で見る箇所

多層構造、特徴量の自動学習という語を確認します。教師あり学習・教師なし学習といった学習方式の分類や、決定木・回帰分析など他の手法全般の話であれば、ディープラーニングではなく機械学習を候補にします。

隣接概念との境界

機械学習は、データから規則性を学習して予測や判断を行う技術全般を指す広い枠組みです。ディープラーニングは、その中でも多層のニューラルネットワークを用いる具体的な手法であり、機械学習に含まれる一つの手法として位置づけます。

誤答しやすい選択肢

• ×ディープラーニングを機械学習全般を指す語として説明する。機械学習はより広い技術全般の総称であり、ディープラーニングはその中の多層ニューラルネットワークを用いる手法です。
• ×特徴量を人が設計して与える手法をディープラーニングとする。人が特徴量を設計するのは従来型の機械学習の手法であり、ディープラーニングは特徴量を自動的に学習する点が特徴です。
• ×決定木やサポートベクターマシンをディープラーニングの一種として説明する。これらは多層のニューラルネットワークを用いない機械学習の手法であり、ディープラーニングには含まれません。

4段階の判断手順

1. 01設問が多層のニューラルネットワークという構造を扱っているかを先に確認する。
2. 02特徴量を人が設計するのか、データから自動的に学習するのかという違いを確認する。
3. 03決定木や回帰分析など、ニューラルネットワークを使わない手法と混同していないか見直す。
4. 04機械学習全般の話とディープラーニング固有の話を区別する。

到達条件: ディープラーニングを多層のニューラルネットワークで特徴量を自動学習する手法として説明し、機械学習との包含関係を言える。

試験での問われ方

誤答しやすいポイント

関連する確認問題

同じ章で確認したい用語