AI ⊃ 機械学習 ⊃ 深層学習
なお実際の場面では、「教師なし学習」で得られた成果を元に、「教師あり学習」を実行するなどがなされており、相互に排他的であるわけではない。
- 教師あり学習(Supervised Learning)- 「正解」情報を与えて学習させる方法。すなわち、「教師あり学習」の場合には、入力データに対して、「どのような出力データが適切であるのか?」、「どのような出力データが望ましいのか?」といった情報をAIに与える「教師」的作業が必要であることから、「教師あり」と呼ばれる。正解・不正解が明確な場合には、こうした「教師あり学習」が有効である。ただし「正解」情報データを集めるのに膨大なコストがかかることも多い。
- 教師なし学習(Unsupervised Learning)- 「正解」情報を与えずに学習させる方法。すなわち、「クラスタリング」や「次元削減」などの手法により、データのグルーピングや特徴抽出を行わせること。正解・不正解が明確でない場合には、こうした「教師なし学習」が有効である。
「教師なし学習」の場合には、「正解」あるいは「不正解」に関するデータを大量に事前に集める必要がないという点ではスタートアップのコストが低い。
ただし、得られた学習結果の精度が低い場合も多い。そのため「教師なし学習」の結果として得られたグルーピングや特徴抽出が「適切であるかどうか?」、「望ましい結果であるのかどうか?」を事後的にチェックすることが必要である。次元削減とは、データ間の相関などを利用して、情報データの「次元」(変数)の数を減らすことである。例えば、人間は成長期を過ぎると身長はほとんど変化しない。そこで成長期を終えた人々を対象として、「身長」、「体重」、「体脂肪率」、「年齢」といった変数に関する情報データを集めた場合、各変数の間に下記のような相関の存在が予想される。
1.「身長」と「体重」には相関がある。
2.「体脂肪率」は、「年齢」や「体重」と相関がある。仮にこうした相関が存在する場合には、「身長」、「体重」、「体脂肪率」、「年齢」という4つの次元(変数)の情報データを、「身長と体重を組み合わせた変数」と「体脂肪率と年齢と体重を組み合わせた変数」という2つの次元(変数)の情報データに変換して情報処理コストを削減することができる。
- 強化学習(Reinforcement Learning)- 入力データと出力データの関係付けの適切性に関する「収益」情報(a reward signal)を事前に与えた上で、試行錯誤的に学習させる方法。すなわち、入力データと出力データに対して様々な関係付けの試みを多数回行わせて、「得られる収益」(a reward signal)が最も高い関係付けが何であるのかを調べる学習法。適切性(望ましさ)を量的に表現することが可能である場合には、こうした「強化学習」が有効である。
「人工ニューラルネットワーク」は、人間の脳における「神経細胞」(neuron)が構成する神経回路をモデルとして人工的に作られたネットワークである。人間の脳における各「神経細胞」同士の結合強度が各個人の「学習」の実行によって変化するのと同じように、AIに対する「機械学習」の実行によって「人工ニューロン」同士の結合の強さ=「重み」(weight)が変化する。(「機械学習」に先立って、「重み」(weight)の値を事前に適当に割り当てておく必要がある。)
「人工ニューラルネットワーク」は多数の階層(Layer)からなるシステムであるが、同システムを構成する階層は下記の3種類に区分されている。
- 入力層(Input Layer): 入力されたデータを「テンソル」形式で数値化したデータを収めたネットワーク階層。具体的には、画像データや音声データが数値データ化されて本階層に与えられる。
- 隠れ層(Hidden Layers):特徴抽出や変換を行うネットワーク階層。
- 出力層(Output Layer): 入力データに基づき、「隠れ層」で処理させて結果的に導出された分類結果や予測値を収めたネットワーク階層。
ChatGPT4oによると、「隠れ層」が多層(数十層~数百層以上)にわたる人工ニューラルネットワークを利用したものを「深層学習」と呼ぶとのことである。
[図の出典]英語版ウィキペディア “Neural network (machine learning)”
https://en.wikipedia.org/wiki/Neural_network_(machine_learning)
- ソフトバンク(2023)「生成AIと機械学習の基礎知識」Home>法人のお客さま>ブログ>クラウドテクノロジーブログ、2023年7月6日
https://www.softbank.jp/biz/blog/cloud-technology/articles/202307/ai-machine-learning-basics/ - 坂本将磨(2025)「強化学習とは?その種類や理論一覧、具体例をわかりやすく解説」AI総合研究所>AIお役立ち情報/基本情報、2025年1月11日
https://www.ai-souken.com/article/what-is-reinforcement-learning - Amazon「ニューラルネットワークとは」クラウド (クラウドサービス) とは?>クラウドコンピューティングコンセプトのハブ>深層学習サービス>AI>Machine Learning
https://aws.amazon.com/jp/what-is/neural-network/ - NTT東日本アベ「機械学習とは?3つの学習方法と利用例までを分かりやすく解説」2021/2/24
https://business.ntt-east.co.jp/content/cloudsolution/column-166.html - NTT東日本アベ(2020)「教師なし学習とは?覚えておきたい機械学習の学習手法概要」2020/2/10
https://business.ntt-east.co.jp/content/cloudsolution/column-162.html