ChatGPTを皮切りにMicrosoftが提供するBing AI、Googleが提供するBardなど各社対話型AIのサービスの拡充に拍車がかかっている今日この頃。
皆さんはAIにも種類があるのはご存知でしょうか？
AI=人口知能というのは認知度が高くなってきましたが、果たして人口知能とは？が分からない人も居る事でしょう。
「とにかくコンピュータが人間みたいに学習をしていくのでしょ？」と、ざっくり認識しているとは思いますが、人口知能にも種類があり、そして人類はとんでもない物を生み出しているという事をご紹介しましょう！（決してAIを批判している訳ではございません、むしろ人類の可能性にワクワクしております）
AIとは？
AIとは、機会やコンピュータプログラムが人間の知能を模倣する能力を指します。
人間の知能にも多数種類があり、言語理解、認識、学習、問題解決、知覚などの人間のタスクをこなします。
AIの目的は、コンピュータに人間のような知性を持たせることで、特定の問題解決や意思決定の過程を自動化することにあります。
そんなAIには、同時に語られる機械学習ともう一つディープラーニング（深層学習）と呼ばれる技術があります。
よく、AIと機械学習とディープラーニング（深層学習）は別として違いなどを語られる事が多いですが
、AIの技術領域に機械学習、機械学習の1手法としてディープラーニング（深層学習）があるという認識となります。
機械学習とディープラーニング（深層学習）についてご紹介していきたいと思います。
機械学習
機械学習は膨大なデータをもとにコンピュータがルールやパターンを学習する技術を指します。よって、人間がデータをコンピュータに与えないと学習ができません。
そんな、機械学習にもいくつか種類があります。
・教師あり学習
コンピュータに正解を与え、多くの正解を分析しながら学習していきます。
例えばニンジンのが画像を学習させる場合は膨大なパターンのニンジンの画像の正解を学習させることにより、別のニンジンの画像が出てきても過去の傾向から画像がニンジンであるかニンジンでないかを判別できるというものになります。
主な活用例としては電子メールのスパム判定や株価や住宅価格の予測等があります。
・教師なし学習
一方教師なし学習は学習データに正解を与えない状態で学習をさせます。
教師あり学習ではカテゴライズ等をするのが得意であったのに対し、教師なし学習ではグループ分けやデータを特徴づける情報の抽出に向いています。
グループ分けはそのままそれぞれ特徴を持ったデータをグループ分ける事ですが特徴づける情報の抽出とは例えば、学校のテストで国語90点、英語80点、理科50点、数学40点という学生がいた場合、この学生は「文系が得意な学生」と抽出する事ができたりします。
教師なし学習では、正解・不正解が明確でない場合に効果を発揮します。
主な活用例としては画像認識や、自動運転等があります
・強化学習
強化学習は答えを自ら導き出していくのですが、結果のスコアが最も大きくなることを目的として、どのように行動すれば点数が最も大きくなるかを自ら探し出す学習を行います。
強化学習でAIを作成すると、「満点の行動を目指す」ことをしてくれるようになるので、AI自ら行動を改善してくれるようになるのです。
主な活用例としては囲碁や将棋などのゲームやシステムの制御等があります。
ディープラーニング（深層学習）
ディープラーニング（深層学習）は、人間の脳が情報を処理する方式である、ニューラルネットワークという計算モデルに基づいた機械学習の一種です。特に、ディープラーニングは、多層のニューラルネットワーク（深層ニューラルネットワーク）を使用します。
ディープラーニングの強力さは、大量のデータから自動的に特徴量を学習・抽出する能力にあります。
低レベルの特徴から徐々に高レベルの特徴を学習する階層的なアプローチを取り、他の学習方法よりデータ処理のための階層が多い結果、複雑な判断や細かな処理ができるようになることが特徴です。
ニューラルネットワークは人間の神経回路の構造を数学的に表示する手法ですので人類はとうとう人間の脳をコンピュータ上に再現してしまったと言っても過言ではありません。
そんなディープラーニングの主な活用例は画像認識、音声認識、自然言語処理、異常検知などがあります。
まとめ
冒頭でも述べた通りAI、機械学習またはディープラーニング（深層学習）には関連性がありますが概念と適用範囲は重要な違いがあります。
AIは全体的な内容、機械学習はAIを実現する為の一つの手法、ディープラーニングは機械学習の一つの手法。
急速に発展しているAI業界、正しい知識を身に付け来る新時代に備えましょう！
