データ分析
人間のような知的活動をコンピュータプログラムとして行う人工知能（AI）は、広く一般的になりました。その流れに比例するようにディープラーニング、もしくは機械学習といった言葉を聞くことも増えてきています。しかし、中には言葉こそ知っていても、その意味を十分に理解していない方もいることでしょう。ここでは、ディープラーニング（Deep Learning）について解説します。
- ディープラーニング（Deep Learning）が注目されている理由
- Deep Learning（ディープラーニング、深層学習、DL）とは
- ディープラーニングでできること
- ディープラーニングと機械学習の違い
- PythonやMicrosoft Azure Machine Learningでディープラーニング
- まとめ
目次
ディープラーニング（Deep Learning）が注目されている理由
ディープラーニングはAIの最新技術であり、昨今はAIブームと言っても過言ではないでしょう。その原動力となっているのがディープラーニングの発展です。ディープラーニングはAI技術の進歩に欠くことのできないものであり、さまざまな分野において、大きな意味と影響をもたらしています。この技術を応用した「AlphaGo」というプログラムが、2016年に囲碁のプロ棋士と対戦し4勝1敗と勝ち越しをあげたことは大きな話題となり、人工知能（AI）の可能性が一般的に広く知れ渡るきっかけとなりました。
その後、人工知能を応用したサービスはあらゆる分野において浸透し続けています。例えば自動車の自動運転、あるいはスマートスピーカーよる電化製品のコントロール、対話型のAIチャットボットなどは、すでに身近なものでしょう。それ以外にも株価予測や取引、マーケティングにおける需給予測、リアルタイム監視による異常検知など、ビジネスへの活用がすすんでいます。
また、高速な並列処理能力をもつGPUの汎用計算利用や大きなデータを扱えるインフラなど、ディープラーニングを使いこなす環境が整ってきたことも注目の集まっている理由と言えるでしょう。
このように、ディープラーニングはすでに応用段階へ進んでいます。
Deep Learning（ディープラーニング、深層学習、DL）とは
ディープラーニングは「深層学習」と訳され、従来よりも多くの層を持ったニューラルネットワークを用いる機械学習のアルゴリズムです。従来は研究者が手で設定していた特徴抽出を、アルゴリズムが大量のデータから特徴抽出してモデル化するアプローチ方法です。
ニューラルネットワークは簡単に説明すると、人間や動物の脳神経系のニューロンを数理モデル化したものです。人間の脳には千数百億個ともいわれる神経細胞（ニューロン）があり、これがシナプスを介して連携し、電気信号のやり取りを行います。ニューラルネットワークは、これをコンピュータ上で数理的に実現した仕組みと言えるでしょう。
ディープラーニングでできること
近年、ディープラーニングによって大きく精度が進歩したものとして、画像認識処理や音声認識処理、言語認識処理などが挙げられます。読み取った画像を認識して判断し、カテゴライズした情報としてアウトプットする。さらには、投げかけられた言語を理解して状況に合わせ返答するなど、私たちがAIに求める目的に応じて進化させていくことができます。ディープラーニングと機械学習の違い
ディープラーニングは機械学習におけるひとつの手法です。一般的に機械学習は特徴量の分析は手動で選択・設計します。これに対して、ディープラーニングは自動でそれを行うという点が大きな違いです。詳しくはディープラーニングと機械学習の違いをご覧ください。詳しくは「機械学習とディープラーニング（深層学習）の違い」をご覧ください。
PythonやMicrosoft Azure Machine Learningでディープラーニング
Pythonがディープラーニングといった機械学習で多く使われるのは、数学やデータ分析系の強力なライブラリやフレームワークが充実しているためです。Pythonの歴史は長く、ライブラリの充実やドキュメント、公式チュートリアルのわかりやすさなど、初心者でも始めやすい環境が整っています。また、Microsoft社が提供している「Microsoft Azure」のクラウドサービスAzure MLというものもあります。これは、機械学習をWebブラウザ上で簡単に行うことができるプラットフォームです。「Microsoft Azure」はクラウド上で開発を行うため、パソコンの性能に左右されない利点があります。
テクノスデータ・サイエンスエンジニアリング株式会社では、「ディープラーニングを試してみたい！」という方向けに、AzureMLを用いたディープラーニングの設計方法について解説しています。プログラミング環境がなくてもブラウザ上で開発が可能なため、手始めにディープラーニングに触れてみたいという方にはおすすめです。
詳しくは「Azureでお手軽ディープラーニング！！」をご覧ください。
また、Deep Learningを利用して画像認識の活用を始めようとしている方向けに、座学形式によるセミナーも開催しています。
Deep Learningの基礎的な内容からDeep Learning 分析デモまで、経験豊富なデータサイエンティストが講師を努める人気の講座となっています。
詳しくは「画像認識で学ぶ！Deep Learning基礎講座」をご覧ください。
※講座は既に終了していますが、定期的に開催しています。講座開設の際にはイベント・セミナーページにて告知いたします。
ディープラーニングの未来について
人間個々人の学習能力には限界があり、過去・現在のみならず、未来にも大きく変わるものではないでしょう。これに対して、コンピュータはディープラーニングという手法により進化します。そして今後も、さらに発展していくことは想像に難くありません。しかしながら、ディープラーニングには課題もあります。
それは、大量のデータを必要とすることと、根拠の示せないブラックボックスの部分が大きくビジネスへの活用が難しい点です。結論に至る判断プロセスが非常込み入っているため人の理解を困難にしています。このような課題は日々議論されており、ディープラーニングが今後発展する方向性は、これによって変わっていく可能性も孕（はら）んでいます。
◇関連サービス
・Deep Learning活用支援サービス
・データサイエンティスト育成支援サービス
