データ量やアプローチに注目
深層学習と機械学習の違いとは？ 実例で分かるその活用
深層学習は従来の機械学習と似ているが、モデル構造と出力の点で大きく異なる。専門家が解説する。
深層学習にも使われるGoogleの機械学習プラットフォーム「TensorFlow」を利用している（出典：Google「Open Source Blog」）《クリックで拡大》
深層学習がこれまでの機械学習とどこが違うかといえば、まず使用するデータの量が違う。
出版社のMcGraw-Hill Educationでリサーチ＆データサイエンス担当バイスプレジデントを務めるアルフレッド・エッサ氏は「深層学習が真価を発揮するのはビッグデータを利用してこそだ」と話す。
解析技術が進歩し、深層学習に関する話題を昨年より広範に見聞きするようになった。そして深層学習と機械学習の違いもよく議論に上っている。この2つはツールや技法が重なる部分が多い。
だが、共通点はあっても原理は異なるようだ。エッサ氏は2017年5月15～16日に開催された「Business Analytics Innovation Summit」におけるプレゼンテーションで、その違いについて説明した。例えば、これまでの機械学習アルゴリズムでは、ある一定量のデータを処理した時点で解析パフォーマンスは横ばいになる。変数間の相関関係を探すという指示は比較的すぐに達成でき、学習はそこで頭打ちになるからだ。
一方、深層学習のアルゴリズムでは、解析するトレーニングデータを与えれば与えるほどパフォーマンスが加速的に向上する傾向がある。その理由の1つは、機械学習のアルゴリズムよりも方向性を限定されないことにある。深層学習が採用するニューラルネットワークアプローチでは、機械学習の場合より微妙なパターンや相関関係を導き出すが、それは大量の解析データがないと見つからない。
解析出力にも違いがある。エッサ氏によると、機械学習のアルゴリズムは必ず等級やスコアなどの数値を出力するが、深層学習は幅広い出力が可能であり、画像に対する自然言語のキャプションや無声映画に付加する音声なども対象となり得る。
機械学習と深層学習は似て非なるものであり、エッサ氏はその違いを「プロペラ機とジェット機」に例えた。
深層学習で機械学習は淘汰されるか
深層学習が登場したからといって機械学習が無用になるわけではない。エッサ氏の予測では、機械学習のアルゴリズムを開発するデータサイエンティストの仕事は当面なくならないという。ほとんどの企業はまだ深層学習に利用できるほどの大量のデータを持ち合わせていない。McGraw-Hillも現時点では深層学習を研究している段階であり、実用には至っていない。
「従来の機械学習で対応できる対象はまだたくさんある。現状の機械学習の大半は深層学習ではなく、比較的少量のデータセットだけを扱っている。さまざまなタイプの機械学習手法を試すことが優れたデータサイエンティストの仕事だ」とエッサ氏は語った。
ソーシャルネットワーク会社LinkedInのデータサイエンスチームも同じことを実感している。同カンファレンスで別のプレゼンテーションを行ったLinkedInビジネスアナリティクス＆データサイエンスアソシエートのウェンロン・ゼン氏によると、同社ではセールス見込み客をスコア付けするプロジェクトに深層学習の適用を試みたという。既存の企業顧客のうち、求人と人材採用のサービスを新たに利用する可能性の高い顧客を特定するのが目的だった。ところが、深層ニューラルネットワークでは求める性能を得られなかった。データ量が十分ではなかったのだ。
「深層学習には膨大なデータが必要だ。私たちには数十万件のサンプルしかなく、それでは不十分だった」とゼン氏は語った。
そこで、同社のデータサイエンスチームは従来型の機械学習手法を選ぶことにした。ランダムフォレストと勾配ブースティングという2つのアルゴリズムを組み合わせたアンサンブルモデルだ。ゼン氏は、こうした事案にはこのモデルの方が深層学習モデルより有効だったと語った。
深層学習の潜在的価値
従来型の機会学習が残るとしても、深層学習からより大きなビジネス価値を生み出す企業がこれから増えていくだろう。機械学習はソフトウェアで自動化が進み、以前と比べて特殊なスキルは必要なくなってきている。
その一方で、深層学習を本格的に導入して競争力獲得に活用し始めた企業もある。同カンファレンスでは、ケーブルテレビ会社Comcastの研究グループ責任者、ヤン・ノイマン氏が、深層学習を活用した同社の新製品開発について紹介した。例えば、深層学習モデルを利用した新しい音声制御リモコンは、自然言語の音声入力コマンドをテキスト変換して認識し、ユーザーの求める結果を提供するという。
ノイマン氏によると、Comcastでは、ビデオコンテンツにもコンピュータビジョンや音声解析、クローズドキャプション（字幕）テキスト解析を導入しており、映画やテレビ番組を「チャプター」に分割して、自動的に各チャプターの要約を自然言語で生成するという。これによって視聴者は自分が観たい部分を見つけることができる。NFLやプロサッカーリーグの試合にも同様のアルゴリズムを適用して自動的にハイライト場面を抽出している。
こうした深層学習技術によって、Comcastはこれまでのようにテレビ番組をただ配信するだけの受動的なモデルから脱却できたという。
「利用できるデータが飛躍的に増え、コンピューティング能力が大幅に向上し、高度なアルゴリズムが開発されたことで、新しいユーザーエクスペリエンスを生み出せるようになった」とノイマン氏は語った。
エッサ氏は、先進的企業が深層学習で新しいビジネスモデルを開発する道を探り始め、従来の機械学習の方は現行業務を効率化する役割に格下げされると予想する。この点も深層学習と機械学習の大きな違いだ。理論的には、深層学習はこれまで機械でできると思われてきたものより大きな問題に答えを出すことができる。
このことは企業にとって大いに潜在的価値がある、とエッサ氏は指摘する。「先陣を切る企業が深層学習への投資を進めている。大多数の企業は破壊的革新が起こることに期待を掛けている」と同氏は語った。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
2
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
3
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
4
「IBM iはDXのボトルネック」は誤解 意外と知らない今風モダナイズの効果
-
5
「朝8時にバッチが終わらない」データ爆発の危機をJPX総研はどう乗り越えたか
-
6
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
7
AI導入後に発覚する「社内文書を読めない」問題 情シスは何を直せばいい？
-
8
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
9
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
10
「Wi-Fi」は“ネット接続が不十分”な地域の救世主になるのか？
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
プログラミング不要で誰でも実現できる、ネットワーク運用管理の自動化とは
-
5
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
6
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
-
9
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
10
“あのファイル転送”で暗躍するノーウェアランサム
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー