お使いのブラウザが古くなっていますので、このウェブサイトのすべての機能が表示されない可能性があります。 お使いのブラウザの更新する方法をご覧ください。

OK
ニュース・広報

ディープラーニングとは?

機械学習、ディープラーニング、人工知能など、最近さまざまな新しい言葉を耳にするようになりました。では、これらは具体的にどのような意味を持ち、どのような分野で活用されているのでしょうか。

Vision Campusのビデオ「機械学習の仕組み 」では、機械学習の基礎知識やニューラルネットワークの学習方法についてご紹介しましたが、この記事ではその内容をさらに掘り下げ、ディープラーニングと人工知能を中心に、機械学習に関連する専門用語を詳しく解説します。

1. 人工知能(AI)

エキスパートシステム、パターン認識システム、ロボットなどに搭載されているAIは、人間の動作・思考を模倣し、再現するコンピュータープログラムとして、統計データ解析、ヒューリスティック探索、人工ニューラルネットワーク(ANN)、さらには機械学習関連の各種技術を含め、さまざまな分野で活用されています。

2. 機械学習

大量のサンプルデータによりAIにルールを学習させ、自動化を図る技術のうち、事前にアルゴリズムやルールを作成するものを「機械学習」、人工ニューラルネットワークを利用するものを「ディープラーニング」と呼びます。その学習方法は教師あり学習と教師なし学習の2種類に分けられ、教師あり学習が識別結果などの正解ラベルをサンプルデータに付すのに対し、教師なし学習ではラベルなしでシステム自身に判断を委ねます。

3. ディープラーニング

ディープラーニングは機械学習の一種で、人工ニューラルネットワークを利用することにより、サンプルデータからルールを自己構築(自己学習)させます。一般的にマシンビジョンのニューラルネットワークでは、サンプルデータと正解ラベルをセットにした教師あり学習が採用されています。

ディープラーニングの仕組み

1. 人工ニューラルネットワーク(ANN)

ディープラーニングを行う前には、あらかじめサンプルデータをANNに読み込み、学習させる必要があります。学習が完了したANN(学習済みANN)は、ルールにもとづいたデータ分析(推論)により、画像内の異物などを検出できます。

2. ノード、層、結合

無数のノードが結合し、複数の層を形成しているANNは、最もシンプルな構造のもので、入力層と出力層の2層に分かれています。ネットワーク状につながっているノードは、一種の数式的モデルとして捉えることができます。ノード間の結合には対応する入力値、出力値のほか、重みが設定されており、入力値に重みを掛け合わせることにより、異なる出力結果が生成する仕組みになっています。

3. ディープニューラルネットワーク(DNN)

ディープラーニング用のANNは「ディープニューラルネットワーク」と呼ばれ、入力層、出力層の中間に隠れ層が存在します。隠れ層の値は次の層に送られ、最深層で得られた値が最終的な出力結果となります。

4. 学習

ANNの学習では、サンプルデータを無作為に抽出したうえで、少しずつ追加することが重要になります。学習結果は重みの調整に使用され、これにより入力値と出力値の関係性も変わります。サンプルデータの質は学習効率、ひいては最終的なANNの性能を左右し、データの多様性が増すほど、推論の精度は向上します。同じようなデータしか学習していない場合、ANNは未知のデータに対して正確な判定ができません。このような状態を「過剰適合」といいます。

ディープラーニングの機能

柔軟な活用が可能なディープラーニング。マシンビジョンと組み合わせた場合、その機能の幅はさらに広がり、代表的なものにデータ解析による画像の分類・セグメンテーションがあります。以下では、大人から子どもまで大好きなクッキーの生産工程を例に挙げ、ディープラーニングの具体的な機能について見ていきます。

1. 画像の分類

良否判定、欠陥品の仕分け、画像の選別などを行う機能です。クッキーの生産工程では、クッキー同士がくっついていないか、割れがないかを検査するために活用されています。

2. 画像のセグメンテーション、物体認識

ピクセルごとにラベル付けを行うセグメンテーション機能を利用すれば、買い物カゴの中身や街中の標識、道路、人間だけでなく、生産ライン上のクッキーの形状(丸型、四角形、六角形)まで正確にわかります。

3. 画像処理

画像データの処理もディープラーニングの大きな機能の一つで、画像ノイズの低減からレンズ補正に至るまで、さまざまな不具合を改善できます。