ディープラーニング「超」入門　文系でも簡単に理解できる機械学習

「ディープラーニングについて知りたいが、難しそう……」

このように感じる人は多いのではないでしょうか。

近年、AI（人工知能）の技術が発展し注目を浴びています。ビジネスの現場でも、効率性や生産性向上のため、AIを導入する企業が増加しています。

株式会社富士キメラ総研の「人工知能ビジネス総調査」[1]によると、2022年度（見込）のAIビジネスの国内市場は1兆3139億円もの規模となり、2021年度と比較して13.2%増加しました。

職場だけでなく医療や自動車分野でもAIは既に活用されていて、例えばAIががんの画像から未発見の知識を自動で取得したり[2]、車を自動で駐車するAIパーキングシステムの実験が行われたり[3]しています。

専門外で難しそうと尻込みしてしまう人もいるかもしれません。しかし今の時代、AIの基本的な仕組みを理解しておくことは教養の一つであり、ビジネスの理解やより良い選択に役立つでしょう。

そこで本稿では、AIブームの核となるディープラーニングについて分かりやすく解説します。記事後半では企業での活用事例も紹介しており、イメージしやすい内容になっているのでぜひ参考にしてください。

「ディープラーニング」以外にも、「ARCSモデル」や「エンプロイアビリティ」など、近年話題の人事系キーワードについて詳しく知りたい場合は、163の用語を解説している「人事用語事典」をご利用ください。
⇒ダウンロードする

1. ディープラーニングとは

ディープラーニングとは、コンピュータが自動でデータの特徴を認識する技術のことです。ここでは、ディープラーニングのモデルや仕組み、問題点の他に、AI関連のニュースでよく耳にする機械学習との関係性について見ていきましょう。

1-1. ディープラーニングのモデルは人間の脳

ディープラーニングがモデルにしているのは、人間の脳、特に脳神経の構造です。

人間の脳は、「神経細胞（ニューロン）」で構成されています。この神経細胞が3次元的に集まって「神経回路（ニューラルサーキット）」を形成しており、その全体を「神経回路網（ニューラルネットワーク）」と呼びます。

図）脳の神経細胞

私たちの脳は、この神経細胞が織りなす複雑なネットワークでできているのです。神経細胞の数は100億から1千億個ほどといわれています。

ニューラルネットワークにおいて、情報は微弱な電気信号（パルス）によって伝達されます。神経細胞と神経細胞の接合部を「シナプス」といいますが、このシナプス同士の結び付きの強さにより、情報の伝わり方が変化します。

ディープラーニングは、このニューラルネットワークを機械的な方法で再現する技術です。

具体的には、人間のニューラルネットワークを構成している神経細胞やシナプスを論理的に再現することで、人の脳の情報伝達プロセスを模倣するという方法を取ります。論理上の神経細胞を「ノード（節）」、シナプスを「エッジ（枝）」と呼びます。

図）人間の神経細胞を模倣したニューラルネットワーク

※https://www.albert2005.co.jp/knowledge/machine_learning/deep_learning/about_deep_learningを基に作成

神経細胞やシナプスに当たるものを実際に作り出すわけではありませんが、その働きを模倣して人間のような「知能」をAIに搭載する技術、それがディープラーニングです。

1-2. ディープラーニングと機械学習の関係性

論理的にニューラルネットワークを再現し、人間のような知能を付けていくディープラーニングは、実際にはどのように進められるのでしょうか。

ディープラーニングは「機械学習」の一種です。機械学習とは機械に何かを学習させるための技術のことで、「教師あり学習」「教師なし学習」「強化学習」の三つがあります。

図）AIにおけるディープラーニングの位置付け

※https://www.webtomoblg.net/ai/machine-learning-gkentei/を基に作成

一つずつ見ていきましょう。

教師あり学習

問題と答えをセットで人が入力する方式です。ディープラーニングが活用されている製品のほとんどに用いられています。

教師なし学習

答えを与えず、入力データの特徴をコンピュータが分類していく学習方法です。

強化学習

教師あり学習のように答えは与えませんが、結果に対して人が「OK」や「NG」などフィードバックを提供します。フィードバックを基に、どの行動が最適か、コンピュータに学習させる方法で、どの方式でも採用できます。

最近は「教師あり学習」と「教師なし学習」を組み合わせた「半教師あり学習」Semi-Supervised Learningという方法もあるようです。いずれにしても、コンピュータの自立学習能力は確実に向上しています。

1-3. ディープラーニングの仕組み

ディープラーニングが再現するニューラルネットワークは三つの層で構成されており、情報は入力層→中間層→出力層の順番に処理されます。

ディープラーニングでは、真ん中の中間層が2層以上のネットワークとなっています。2層以上に深く（ディープ）なればなるほど、学習（ラーニング）できる数が増えます。また、複雑なデータも学習できるようになります。

図）人間の神経細胞を模倣したニューラルネットワーク（再掲）

※https://www.albert2005.co.jp/knowledge/machine_learning/deep_learning/about_deep_learningを基に作成

1-4. ディープラーニングが注目されている理由

数ある技術の中でディープラーニングが注目されている理由は、精度の高さです。映像や画像などを認識する精度が高ければ、さまざまな分野で利用者の期待に応えることができます。

例えば、車の自動運転において歩行者や信号機を認識したり、医療研究でディープラーニングを用いてがん細胞を検出したりしています。さらに、工事現場で重機周辺の従業員の安全性を確保したり、航空宇宙分野では衛星から物体認識技術で地上の様子を確認したりすることができます。

現時点で、すでにディープラーニングはさまざまな産業分野で活用されています。今後の科学技術の発展に欠かせない存在といえるでしょう。

1-5. ディープラーニングの問題点

精度の高さで注目されているディープラーニングですが、1980年代にはネットワークをディープにするほど精度が落ちるという問題がありました。現在では技術の進歩によってその問題は解決され、さらなる発展が期待されています。

今新たな問題として浮上しているのは「ブラックボックス問題」です。これは、ディープラーニングで導き出された答えがどのような経路や経緯で判断されたのか不明である、という問題です。ブラックボックスとは、中の動きが見えないけれども、データ入力さえすれば結果が得られるときに使われるプログラミング用語です。

例えば、画像解析サービスでは判定結果のみが重視されるため、経緯が見えなくても大きな問題にはなりません。しかし、医療現場といった人の命に関わる分野では判断の理由や根拠が分からなければ、結果に信頼を寄せるのは難しくなってしまうでしょう。

しかし最近では、富士通株式会社がブラックボックス問題に取り組み、理由や根拠を説明する世界初のAIを開発しています。日本以外にも韓国やアメリカでも開発が進んでいるため、今後どのように解決するか注目すべきトピックです。

人事に関する注目トピックを毎週お届け！⇒メルマガ登録する

2. ディープラーニングの歴史

ディープラーニングが注目されるようになったきっかけは、2012年に開催された画像認識コンテスト[4]でした。カナダのトロント大学が初めてディープラーニングを使って挑んだところ、2位以下を圧倒的に離して優勝しました。

その後、2017年にはGoogle LLCが開発した囲碁AI「AlphaGo（アルファ碁）」が、世界最強といわれていた中国の柯潔（かけつ）棋士と対戦し、3戦全勝しました。ニュースで大きな話題となったこのAIに、ディープラーニングが活用されていました。

AI自体の研究は、1950年ごろから行われていました。総務省の情報通信白書（2016年度版）[5]によると、1950年後半から1960年代までは第一次AIブームと呼ばれ、この時代にコンピュータによる推論や探索が可能になりました。

第二次AIブームがやってきたのは1980年代から1990年代前半で、情報を入力することでAIの能力を実用レベルまで引き上げることに成功しました。

2000年代になると「ビッグデータ」という大量のデータを用いることが可能になり、AIが自ら学習する「機械学習」の実用化が進みます。ディープラーニングも登場して技術革新が起こり、現在は第三次AIブームと呼ばれています。

3. ディープラーニングの活用事例

ディープラーニングは、実際の商品やサービスにどのように活用されているのでしょうか。画像・映像、テキスト、音声、数値の4種類の情報それぞれについて、活用事例を見ていきましょう。

3-1. 画像・映像データ【日立造船株式会社】

日立造船株式会社では、石油・化学プラントで使用される熱交換器の劣化による性能低下防止のためにディープラーニングを活用しました。従来は作業員が300時間をかけて2千万枚もの画像を目視で判別していました。そこで「AI超音波探傷検査システム」を導入したところ、熱交換器の検査作業の大幅な効率化に成功しました。

この事例はディープラーニングを用いた優れたプロジェクトとして認められ、2020年の日経クロストレンド・日経クロステック主催の「ディープラーニングビジネス活用アワード」で大賞を受賞しました。

3-2. テキストデータ【株式会社みずほ銀行】

株式会社みずほ銀行は、凸版印刷株式会社が開発したディープラーニング搭載の「金融業界向け　AI校閲・校正支援システム」を導入しました。

これは、パンフレットなどの専門用語を自動チェックするシステムで、再学習によりAIのチェックスキルが向上します。

従来は、この作業に数人が必要で、修正指示のやりとりなどが負担でした。しかし、このシステムを導入してからは、制作者と確認者間の修正回数が削減され、品質向上と業務効率化を実現しました。

3-3. 音声データ【損害保険ジャパン株式会社】

損害保険ジャパン株式会社では、保険契約の相談や手続きに対応するコールセンターに、「コールセンターAIソリューション」を導入しました。NTTコミュニケーションズ株式会社が提供する音声システムとAIエンジンを採用し、システム開発に踏み切りました。

AIエンジンにはディープラーニングによる音響モデルや1千万語に対応したアルゴリズムが搭載されていて、人間の会話のテキスト化が可能です。蓄積された問い合わせ内容をデータベース化することで、顧客のニーズを抽出することが期待されています。

3-4. 数値データ【百貨店パルコ】

株式会社パルコ運営の百貨店「パルコ」は、ディープラーニングを活用したAIソリューションを提供する株式会社ABEJAのプラットフォームを導入しました。

これは、設置されたカメラから来店者数や属性のデータを収集し、AIが解析することでマーケティングに活用するサービスです。さらに、入店した顧客の行動を可視化することで、店舗運営の改善が期待できます。

DX推進4つの課題　日本企業にありがちな問題と解決策・成功の鍵は

「わが社の停滞しているDXの突破口を開きたい。何かヒントはないだろうか」 このようにお悩みの方は多いのではないでしょうか。コロナ禍では政府や企業が必要に迫られ、急ピッチでDX対応を行いました。 株式会社電通デジタルの20 […]

4. ディープラーニングの導入方法

業務の大幅な効率化やマーケティングに活用できるディープラーニングですが、実際に導入するためにはどうすればよいのでしょうか。

ディープラーニングを導入するためには、五つのステップが必要となります。ベンダーとコミュニケーションを取る際の参考にしてください。

どの業務にAIを適用すると効率化や生産性の向上が期待できるか考えます。3章の事例でご紹介したように、AIの活用領域は画像・映像、テキスト、音声、数値データなど多岐にわたります。

まずは、社内でこういったデータが膨大に生まれている部門を探してみましょう。そのデータの処理を自動化する、またはそのデータを今とは別の形で活用することで、組織全体のパフォーマンスを上げたり、新たな価値を生み出すことができるかもしれません。

例えば、オリックス生命保険株式会社は、各種帳票の入力が手作業で行われている状況に着目し、手書き文字のデジタル化サービス[6]を導入しました。売上を伸ばすだけでなく、社内業務の効率化を図ってコストを減らす、という視点も有効です。

現段階でAIにどのような作業ができるか、ベンダーにも相談しながら積極的に情報を収集しましょう。

ベンダーと相談して、データを用意し機械学習のモックアップ（完成品のサンプル）を作成します。

モックアップが適切に作動するか検証します。

機械学習のモデル作成を開始し、実装レベルまで完成させます。

運用を開始し、精度確認や機能改善を続けます。

ディープラーニングの導入に当たっては、映像や画像、音声など大量のデータが必要になります。また、実装段階では最低でも約2千万円は費用がかかる[7]ため、技術面だけでなく費用対効果もしっかり検討する必要があるでしょう。

5. 一般社団法人日本ディープラーニング協会

最後に、一般社団法人日本ディープラーニング協会について説明します。同協会は、ディープラーニングを開発する企業や大学教授が主体となり、日本の競争力を高めるために設立されました。

主な活動は以下の通りです。

・ワークショップやイベント開催＜活用促進＞
・公的機関や産業界への提言＜社会提言＞
・資格試験の実施＜人材育成＞
・海外情報の発信＜国際連携＞
・情報発信＜理解促進＞

2017年からスタートしたディープラーニングに関する知識や能力を証明する「G検定（Deep Learning for GENERAL）」と呼ばれる資格試験は、約7200人（2020年）が受験しました。団体受験として、NTTコミュニケーションズ株式会社やPanasonic株式会社といった国内大手企業も参加しています。

ディープラーニングを書籍で学びたいときは、同協会が出版する書籍が参考になります。「ディープラーニングについてもっと知りたい」「ワークショップがあれば参加したい」というときは、同協会のホームページをチェックしてみましょう。

6. まとめ

ディープラーニングとは、コンピュータが自動でデータの特徴を認識する技術のことです。人間の脳、特に脳神経の構造がモデルになっています。

ディープラーニングでは、神経細胞（ニューロン）を「ノード」、神経細胞同士の接合部であるシナプスを「エッジ」と呼び、人間の脳の神経回路網（ニューラルネットワーク）を再現しています。

ディープラーニングとは、人間のような「知能」をAIに搭載する技術です。

ディープラーニングが論理的にニューラルネットワークを再現し、人間のような知能を付けていくに当たり、機械学習が行われます。機械学習には「教師あり学習」「教師なし学習」「強化学習」という三つの方法があります。

– 教師あり学習……問題と答えをセットで人が与える方式
– 教師なし学習……答えを与えず、入力データの特徴をコンピュータが分類していく学習方法
– 強化学習　　……教師あり学習のように答えは与えないが、結果に対して人が「OK」や「NG」などフィードバックを提供し、どの行動が最適かコンピュータに学習させる方法

ディープラーニングのニューラルネットワークは三つの層から成り、入力層→中間層→出力層の順番でデータが処理されます。中間層は2層以上のネットワークとなっており、深く（ディープ）なればなるほど、学習（ラーニング）できる数が増えて複雑なデータも学習できるようになります。

数ある技術の中でディープラーニングが注目されている理由は、精度の高さです。

一方で、ディープラーニングには導き出された答えがどのような経路や経緯で判断されたのか不明である「ブラックボックス問題」があります。

しかし最近では、富士通株式会社がブラックボックス問題に取り組み、理由や根拠を説明する世界初のAIを開発しています。日本以外に韓国やアメリカでも開発が進んでいます。

そもそもディープラーニングが注目されるようになったきっかけは、2012年に開催された画像認識コンテストでした。

その後、2017年にGoogle LLCが開発した囲碁AIである「AlphaGo（アルファ碁）」と世界最強と呼ばれた中国の棋士が対戦し、AIが3戦全勝しました。

AI研究の始まりをたどると、1950年代ごろにさかのぼります。この頃第一次AIブームと呼ばれ、コンピュータによる推論、探索が可能になりました。第二次AIブームがやってきたのは1980年代で、知識を入力することでAIを実用レベルまで引き上げることに成功しました。

2000年代になると「ビッグデータ」という大量のデータを用いることが可能になり、AIが自ら学習する「機械学習」の実用化が進みました。ディープラーニングも登場して技術革新が起こり、現在は第三次AIブームと呼ばれています。

ディープラーニングの企業での活用事例を見てみましょう。

・画像・映像データ【日立造船株式会社】
日立造船株式会社では、石油・化学プラントで使用される熱交換器の劣化による性能低下防止のためにディープラーニングを活用しました。

・テキストデータ【株式会社みずほ銀行】
株式会社みずほ銀行は、凸版印刷株式会社が開発したディープラーニング搭載の「金融業界向け　AI校閲・校正支援システム」を導入しました。

・音声データ【損害保険ジャパン株式会社】
損害保険ジャパン株式会社では、保険契約の相談や手続きに対応するコールセンターに、「コールセンターAIソリューション」を導入しました。

・数値データ【百貨店パルコ】
株式会社パルコ運営の百貨店「パルコ」は、ディープラーニングを活用したAIソリューションを提供する株式会社ABEJAのプラットフォームを導入しました。

ディープラーニングを導入するためには五つのステップが必要となります。

ステップ1) 構想……AIを業務のどの事業に利用するか考える
ステップ2）データの整備とモックアップ作成……データを用意し機械学習のモックアップ（完成品のサンプル）を作成
ステップ3) 概念検証……モックアップが適切に作動するか検証
ステップ4) 実装……機械学習のモデル作成を開始し、実装レベルまで完成させる
ステップ5) 運用……運用を開始し、精度確認や機能改善を続ける

ディープラーニングの導入では、映像や画像、音声など大量のデータが必要となります。また、実装段階では最低でも約2千万円は費用が必要となるため、技術面だけでなく費用対効果もしっかり検討する必要があるでしょう。

ディープラーニングを推進する団体として、一般社団法人日本ディープラーニング協会が挙げられます。この協会は、ディープラーニングを開発する企業や大学教授が主体となり、日本の競争力を高めるために設立されました。

ワークショップやイベント開催、公的機関や産業界への提言、資格試験の実施、海外情報の発信などを行っています。

業務効率化や競争力アップのために、ディープラーニングの活用を検討する際は、ぜひ本稿を参考にしてください。

無料eBook「eラーニング大百科」

社員教育や人材開発を目的として、
・eラーニングを導入したいが、どう選んだらよいか分からない
・導入したeラーニングを上手く活用できていない
といった悩みを抱えていませんか？

本書は、弊社が20年で1,500社の教育課題に取り組み、

・ｅラーニングの運用を成功させる方法
・簡単に魅力的な教材を作る方法
・失敗しないベンダーの選び方

など、ｅラーニングを成功させるための具体的な方法や知識を
全70ページに渡って詳細に解説しているものです。

ぜひ、貴社の人材育成のためにご活用ください。

プライバシーポリシーをご確認いただき「個人情報の取り扱いについて」へご同意の上、「eBookをダウンロード」ボタンを押してください。

[1] 株式会社富士キメラ総研「『2022 人工知能ビジネス総調査』まとまる（2022/9/13発表 第22096号）」、『プレスリリース』、2020年10月12日　https://www.fcr.co.jp/pr/22096.htm　（閲覧日：2021年1月17日）
[2] 理化学研究所「がんの未知なる特徴をAIが発見－がんの画像から、再発に関わる新たな知識を自力で獲得－」、『研究成果（プレスリリース2019）』、2019年12月8日https://www.riken.jp/press/2019/20191218_2/index.html（閲覧日：2021年2月15日）
[3] 株式会社朝日新聞社「AI使って自動駐車　苦手なドライバーに朗報？実験開始」、『朝日新聞DIGITAL』、2021年2月10日https://www.asahi.com/articles/ASP296VMNP21PLZB004.html（閲覧日：2021年2月15日）
[4] ImageNet Large Scale Visual Recognition Challeng 2012
[5] 総務省「第1部　特集　IoT・ビッグデータ・AI～ネットワークとデータが創造する新たな価値～」『平成28年版　情報通信白書』https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h28/html/nc142120.html（閲覧日：2021年1月17日）
[6] 株式会社EduLab「オリックス生命の社内業務効率化に向け、AI-OCR「DEEP READ」の本格導入決定」『お知らせ』2019年11月13日https://www.edulab-inc.com/news/info/767/（閲覧日：2021年1月31日）
[7] ディップ株式会社「初心者でもわかるディープラーニング ー 基礎知識からAIとの違い、導入プロセスまで細かく解説」『AINOW』2020年5月11日https://ainow.ai/2019/08/06/174245/（閲覧日：2021年1月31日）

参考）
ディップ株式会社「初心者でもわかるディープラーニング ー 基礎知識からAIとの違い、導入プロセスまで細かく解説」、『AINOW』、2020年5月11日、https://ainow.ai/2019/08/06/174245/　（閲覧日：2021年1月17日）
株式会社インプレス「そもそもディープラーニングとは何か？」、『Think It』、2015年8月31日、https://thinkit.co.jp/story/2015/08/31/6364　（閲覧日：2021年1月17日）
CodeCampus「初心者でも基礎からわかる！ディープラーニングとは何か？」、『CodeCampus』、2017年3月10日　https://blog.codecamp.jp/deep-learning （閲覧日：2021年1月17日）
株式会社財経新聞社「囲碁AIが最強棋士に3戦全勝、完全決着」、『財形新聞』、2017年5月28日　https://www.zaikei.co.jp/article/20170528/373709.html　（閲覧日：2021年1月17日）
日経BP経済メディア広告部「AIの適用領域を拡大する世界初の「説明可能なAI」」、『日経ビジネス電子版』、https://special.nikkeibp.co.jp/atcl/NBO/18/fujitsu_ai-zinrai/　（閲覧日：2021年1月17日）
MathWorks「ディープラーニング　これだけは知っておきたい3つのこと」、『MathWorks』、https://jp.mathworks.com/discovery/deep-learning.html　（閲覧日：2021年1月17日）
総務省「平成28年度版　情報通信白書のポイント」、『第1部　特集　IoT・ビッグデータ・AI～ネットワークとデータが創造する新たな価値～』https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h28/html/nc142120.html　（閲覧日：2021年1月17日）
日立造船株式会社「AIを活用した熱交換器の非破壊検査システムが、「第2回ディープラーニングビジネス活用アワード」の大賞を受賞」、『ニュースリリース』、2020年10月15日https://www.hitachizosen.co.jp/release/2020/10/003614.html　（閲覧日：2021年1月17日）
凸版印刷株式会社「校閲・校正業務のAI活用・オンライン化により、制作業務全体を効率化」、『TOPPAN DIGITAL』https://solution.toppan.co.jp/digital/service/aiproofreading.html　（閲覧日：2021年1月17日）
損保保険ジャパン株式会社「FAQを自動表示しコールセンター業務を支援　音声認識・AIで先進サービスの実現を図る」https://www.ntt.com/content/dam/nttcom/hq/jp/business/case-studies/global/voice-video/sjnk/pdf/case_sjnk_3.pdf　（閲覧日：2021年1月17日）
ABEJA株式会社「「ABEJA Platform for Retail」をパルコの新店舗「PARCO_ya」へ提供 〜 初となる大型商業施設への導入でテナント毎のリアルデータを分析・活用 〜」、『プレスリリース』、2017年10月20日　https://abejainc.com/ja/news/article/20171020-1687　（閲覧日：2021年1月17日）
株式会社富士キメラ総研「『2020 人工知能ビジネス総調査』まとまる」、『プレスリリース』、2020年10月12日　https://www.fcr.co.jp/pr/20107.htm　（閲覧日：2021年1月17日）
リンクタイズ株式会社「AIの「ブラックボックス問題」解決へ　韓国で開発が進むXAIとは？」『Forbes Japan』、2020年8月20日　https://forbesjapan.com/articles/detail/36498（閲覧日：2021年1月17日）
株式会社日経BP「AIのブラックボックス問題解消へ、IBMや富士通が技術開発」『日経XTECH』https://xtech.nikkei.com/atcl/nxt/mag/nc/18/020800017/100200137/（閲覧日：2021年1月17日）