近年、日本を含め世界ではAIの技術を使い著しく成長しています。もはや生活の中には当たり前になりつつありますが、AIを機能させるためには、深層学習（DeepLearning）というものが必要です。
具体的に、深層学習は企業や団体などの組織などで幅広く使われており、いま注目されている技術です。この記事では深層学習を学びたい方に向けて、仕組み・活用事例について紹介していきます。
深層学習（DeepLearning）とは
深層学習とはDeepLearningとも呼ばれており、ニューラルネットワークを基礎にして考えられています。わかりやすくいうと、人の神経細胞（ニューロン）の仕組みをもとに考えられた技術です。主に、画像認識やシステムの異常検知などにも、深層学習が採用されています。
データや情報を細かく多層化するので、場合によっては、精度や正確さの面で人間よりも上回ることもあります。
機械学習との違い
深層学習を理解するにあたって、ニューラルネットワークと機械学習といった用語がよく出てきます。それぞれの関係性は同じようですが、範囲が少し変わります。
わかりやすく説明すると機械学習にニューラルネットワークが含まれ、さらに深いところに深層学習があります。機械学習は人がパターンやデータを与えないと理解をすることができません。
機械学習に対して、深層学習は機械自身が必要な知識を判断し成長していきます。つまり、深層学習の方が画像認識といった高度なことも可能になっています。
人工知能（AI）との違い
AIとは、人間のような知能を機械に組み込むことを指します。つまり、機械をできる限り人間の脳に近づけていく技術のことをいいます。それに対して、深層学習（DeepLearning）は、AIという概念の中に含まれる一種の学習方法を指します。
まとめると、AI→機械学習→ニューラルネットワーク→深層学習のようなイメージです。
CNN（畳み込みニューラルネットワーク）
CNN（畳み込みニューラルネットワーク）は主に画像認識の際に使われます。従来では、機械に人の画像を見せても数値化ができるだけで、人間のように識別はほぼ不可能でした。しかし、畳み込みニューラルネットワークが生まれたことによって、自分で画像認識ができるようになりました。
つまり、人の顔の特徴やパターンを覚えて判断ができるようになったということです。
RNN（リカレントニューラルネットワーク）
RNNは別名、再帰型ニューラルネットワークとも呼ばれます。
わかりやすいものだと、PCやスマートフォンで文字を打ったあとに出る変換予測はRNNの技術が使われています。例えば、検索の時に「深層学習」と「事例」を何回も入力すると、「深層学習」を打つだけで「事例」が予測変換されます。
つまり、RNNは過去のデータを参考に次に来ることを勝手に予測してくれるモデルです。
GAN（GenerativeAdversarialNetworks）
GANは敵対的生成ネットワークとも呼ばれています。具体的には生成ネットワークと識別ネットワークの2つで構成されているのが特徴です。GANを使うと存在しないデータを作り出すことや変換もできます。
また、解像度の低い画像を高い解像度にしたり、ピンボケした写真を綺麗にできるので、画像の分野で応用されている技術です。
Transformer
Transformerは先ほど紹介したCNNやRNN、GANよりも発展したモデルになります。2017年に発表された比較的新しいモデルですが、今後のAIを牽引するとも言われております。なぜなら、今までよりも時間やコストをかけずにデータのパターンが理解できるからです。
最近では、トレンド予測や医療などの分野でも活躍の幅が広がっています。
深層学習（DeepLearning）でできること
深層学習（DeepLearning）でできることは以下の4つです。
画像認識
画像認識は、深層学習が可能になってから飛躍的に発達した技術です。
従来では、画像をみせても数値化するだけで、人間のように識別することはできませんでした。しかし、深層学習が導入されてから、画像を見せるだけでどのようなものかを識別することができるようになりました。
現在では、顔のパターンや特徴を捉えて活用する「顔認証」などにも使われています。
音声認識
音声認識は、人の声を判別しキーボードなしで自動的に文章を打ってくれる技術です。例えば、ボイスメモや、Siriのような会話型の操作にも音声認識が使われています。
さらに、音声認識があれば、同時に多言語での会話も実現できます。将来的には、言葉の壁がなくなる世界ができるかもしれません。
自然言語処理
自然言語処理では様々なデータを分析し、ユーザーに対して的確な答えをだす技術のことをいいます。例えばAIスピーカーのような対話式の機械やGoogleなどの検索エンジンに使われています。
曖昧な言葉にも考えて回答してくれるので、これからの活躍が期待されている技術です。
異常検知
異常検知とは、通常とは違うことが起きた時に機械が自動的に察知してくれる技術です。最近では工場などでも活躍しており、人員が少なくてもエラーを正確に識別してくれます。
病気の箇所を特定するなど、医療の現場でも使われ始めているので活躍の場が広い技術になります。
深層学習（DeepLearning）の活用事例
次に、深層学習を活用している事例を紹介します。深層学習は以下のような場面で活躍しています。
DeepL
DeepLは、自動で翻訳してくれるサービスになります。文章や画像、音声などを、最大28言語の中から翻訳してくれます。Google翻訳よりも自然に翻訳できるとして、注目されているサービスです。
PetalicaPaint
PetalicaPaintは絵などを自動で着色してくれるサービスです。細かいところまで、着色してくれるので絵を描く手間を省くことができます。
DeepGram
DeepGramは動画の音声を認識し、検索や整理を可能にするサービスです。
Otter.ai
Otter.aiは、英語の音声を文字起こし、録音することができるサービスです。日本語には対応していませんが、主に会議やセミナーなどで活躍されています。
DeepNostalgia
DeepNostalgiaは、人の写真の顔を動かせるサービスです。亡くなった人でも、まるで生きているかのような表情にすることができます。
GridSpace
GridSpaceは自動で議事録を作成してくれるサービスです。機械学習と自然言語処理してくれることによって、議事録で重要な箇所をハイライトしてくれる機能もあります。
CloudSpeech-to-Text
CloudSpeech-to-Textは、Google Cloudが提供している音声ファイルを文章にしてくれるサービスです。
AmazonEcho
AmazonEchoはAmazonが提供している音声操作を可能にしてくれるスピーカーです。天気やニュース、音楽、ショッピングなどを話しかけるだけで、簡単に操作できます。
まとめ
深層学習（DeepLearning）の仕組みや事例を理解していただけたでしょうか。従来ではできなかったことを深層学習では、可能にしていきました。
将来的にも、深層学習が使われる場面が確実に増えていくと予想されるでしょう。
この記事の執筆・監修者
Aidiot編集部「BtoB領域の脳と心臓になる」をビジョンに、データを活用したアルゴリズムやソフトウェアの提供を行う株式会社アイディオットの編集部。AI・データを扱うエンジニアや日本を代表する大手企業担当者をカウンターパートにするビジネスサイドのスタッフが記事を執筆・監修。近年、活用が進んでいるAIやDX、カーボンニュートラルなどのトピックを分かりやすく解説します。
