もう少し詳しく
複数の処理層を通じて、データの特徴を段階的に表現します。画像、音声、言語などの複雑なデータを扱う技術として使われています。
画像や音声のように特徴を人が細かく設計しにくい課題で、表現を自動的に学べる点が発展の背景です。層の出力を次の層へ渡すことで低いレベルの特徴から高いレベルの概念を組み立て、推論時には学習済みの表現を新しい入力へ適用します。
HISTORY
開発された年代と歴史
この用語を大きな流れで見ると、2000年代〜に発展してきました。
- 1940〜60年代ニューラルネットワークの基礎研究が始まる。
- 2006Geoffrey Hintonらが多層モデルを学習する研究を再活性化。
- 2012AlexNetが画像認識で大きな成果を出し、GPU深層学習が広く注目された。
キーマン・関わった研究者
Geoffrey Hinton、Yann LeCun、Yoshua Bengio、Alex Krizhevsky
技術の変遷
浅いモデル → 多層ネットワーク → Transformer・マルチモーダルモデル
理解のポイント
- 複数の層で特徴を段階的に組み合わせ、画像・音声・言語などの複雑な関係を表現します。
- 機械学習の一種であり、すべての機械学習がディープラーニングというわけではありません。
- 層を増やすだけで性能が決まるわけではなく、課題に合うデータや計算資源も必要です。
たとえば、こんな場面で
画像の輪郭や形の組み合わせを学び、写真に犬が写っているかを判定します。
覚えておきたいこと
学習に必要なデータ量や計算量は、モデルと課題によって大きく異なります。