深層学習

一言で言うと

人間の脳の仕組みをヒントにした機械学習の手法。画像認識、音声認識、自然言語処理など、高度なAI技術の基盤。

もう少し詳しく

深層学習（ディープラーニング）は、機械学習の中でも特に「ニューラルネットワーク」という仕組みを多層に重ねた手法です。

人間の脳には数百億の神経細胞（ニューロン）があり、それらがつながって情報を処理しています。深層学習はこの仕組みを模倣して、「入力層 → 隠れ層（何層も） → 出力層」という構造でデータを処理します。「深層」の名前は、この隠れ層が深く（多く）重なっていることに由来します。

2012年頃から急速に発展し、画像認識では人間を超える精度を達成しました。ChatGPT、画像生成AI、自動運転など、近年話題のAI技術のほとんどが深層学習を基盤としています。

実務でどう使うか

コードで見てみよう

# 深層学習のコードは複雑なので、概念的なイメージを示します
# 従来の機械学習: 人間が特徴を指定する
# 「耳の形」「鼻の大きさ」「しっぽの長さ」→ 犬か猫か判定
# 深層学習: 特徴すらAIが自動で見つける
# 画像をそのまま入力 → 多層のニューラルネットワーク → 犬か猫か判定
# PyTorchでの超シンプルな例
import torch.nn as nn
model = nn.Sequential(
    nn.Linear(784, 128),   # 入力層 → 隠れ層1
    nn.ReLU(),              # 活性化関数
    nn.Linear(128, 64),    # 隠れ層1 → 隠れ層2
    nn.ReLU(),
    nn.Linear(64, 10)      # 隠れ層2 → 出力層（10クラス分類）
)