人工知能(AI)・機械学習(マシンラーニング)・深層学習(ディープラーニング)の違い
データ分析を学習する際に、色々な言葉や視点で語られることが多く、初学者やビジネス側の人間は混乱してしまうことが多いと思います。
そこで、簡単に人工知能(AI)・機械学習(マシンラーニング)・深層学習(ディープラーニング)の違いざっくりを押さえておきましょう。
全般的に、厳密さよりもわかりやすさを優先しているので、ざっくりとしたイメージができたら、より細かい理解へ進んでください。
人工知能(AI)とは?
人工知能(AI)ですが、これには明確な定義はありません。
そもそも、「知能」とは何か?という疑問に対しても明確な定義がない状態であるため、それを人工的に再現しようとする「人工知能(AI)」にも明確な定義がない状況です。
なぜ、計算機やパソコンが「人工知能(AI)」と呼ばれないか?という疑問に対しては、「知能」というには、限定的過ぎるし、一般的すぎてロマンを感じない!程度の理由のように思えます。
したがって、ITサービスで「AIソリューション」などと名前を付ける際には、下記の特徴があります。
- マーケティング的に、「AI」とした方が受けが良い!
- 「AI」という名前をつけた方が、テンション上がる!!
- 機械学習の技術を利用していない(人間が、処理パターンやルールを定義している)
機械学習(マシンラーニング)・深層学習(ディープラーニング)とは?
機械学習(マシンラーニング)は、一定の計算方法(アルゴリズム)に基づいて、入力されたデータからコンピューターがパターンやルールを学習(発見)し、そのパターンやルールを新たなデータに当てはめることで、その新たなデータに関する分類や予測等を可能とする技術です。
この「一定の計算方法(アルゴリズム)」の中に「深層学習(ディープラーニング)」が含まれます。
参考:https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r01/html/nd113210.html
ビジネスの視点で考える
とはいえ、この分類でもやっぱりわかりにくいと感じる人は多いのではないでしょうか?
実際にビジネスで機械学習を利用する際や学習を進めるに際に、「ディープラーニング」が色々な場面で登場しすぎて、理解がなかなか難しい場合があります。
そこで、下記の図のように、「データソース」「データ」「目的」「アルゴリズム」の4つの視点で分類してみました。
大枠のイメージですので、すべてのパターン網羅しているわけではありませんが、どの視点で語っているかを意識する一助になればと考えてます。
ビジネスで人工知能(AI)・機械学習を利用することを考える際には、まずはExcelデータやデータベースのデータや画像のデータを利用することが一番取組み易い部分だと思います。
また、ビジネスで人工知能(AI)・機械学習で利用する際には、何かしらのビジネス課題の解決が目的となるので、どのようなビジネス課題をどのような手法で解決するかということも考える必要があります。
ここで注意が必要なのは、「データソース」と「データ」は異なるということです。
Excelデータやデータベースはテーブル(表)の形式でデータが格納されていますが、「日報」や「コメント」など文章で入力されているデータは「自然言語データ」となり、処理をしない限りは「テーブル(表)データ」とは異なる分類となります。
この「自然言語データ」を分析する目的は様々ですが、「教師データ(正解データ)」が作りにくいことが多く、処理の方法も「テーブル(表)データ」に比べると複雑になりやすいため、まずは「テーブル(表)データ」を利用した「予測(回帰)」や「分類」でビジネス課題を解決できないか考えてみるのが最初のステップとなります。
ディープラーニング等のアルゴリズムは、データや手法によって何を利用するのが良いかが変わってくるので、一番最後に検討することとなります。
人工知能(AI)・機械学習の技術を使うことが目的とならないように注意しましょう。
コメント