はじめに
株式会社インプルの奈良です。
数年前より、人工知能（AI）・機械学習・ディープラーニングが流行の兆しを見せていますね。
私自身、現在、AIアプリ作成の土台作りとして、人工知能（AI）・機械学習・ディープラーニングについて学んでいるのですが、その違いについて詳細な言語化ができなかったため、まとめてみました！
図解
人工知能（AI）・機械学習・ディープラーニングの違いを説明する前に、３つの領域についてのイメージを見てみましょう。下記の画像は総務省が掲載している【人工知能（AI）・機械学習・ディープラーニングの関係】です。(画像サイズの関係で見切れているため、必要に応じて下記リンクを参照してください。)
人工知能（AI）とは
人工知能（AI）は最も広範な概念で、人間が行う知的な作業をコンピュータによって実現しようとする研究分野全体を指します。人工知能（AI）は人間のように理解し、学習し、推論し、語り、見つめることができるマシンを作る試みです。この試みには、画像認識、自然言語処理、音声認識、意思決定など、人間が行う種々の知的な行動が含まれます。
人工知能（AI）の活用事例
- ChatGPT
- Bing AI
機械学習（Machine Learning）とは
機械学習はAIの一部で、コンピュータが明示的なプログラミングなしに学習する能力に重点を置いた手法を指します。つまり、機械学習アルゴリズムは大量のデータを通じてパターンを認識し、その結果を基に予測や決定を行います。この学習プロセスは人間が学習するのに似ています。人間で言うところの経験（コンピュータだとデータ）を通じて新しいスキルを習得します。例えば、スパムメールフィルターは、何千ものメール（データ）からスパムと非スパムを区別する方法を学習します。
機械学習（Machine Learning）の活用事例
- タクシー配車予測（交通）
- 店舗来客分析（小売）
- 生産量予測・生育予測（農業）
ディープラーニング（Deep Learning）とは
ディープラーニングは機械学習の一部で、人間の脳が情報を処理し学習するのを模倣したニューラルネットワークと呼ばれるアルゴリズムに基づいています。特に、ディープラーニングは大量のデータを用いて、多層のニューラルネットワーク（これを「深い」ニューラルネットワークと言います）を学習します。ディープラーニングは特に画像認識、音声認識、自然言語処理などの分野で成功を収めています。
ディープラーニング（Deep Learning）の活用事例
- 自動運転｜高度運転自動化自動運転
- 通販｜画像検索技術
- 経済｜株価の相場の予測
- DeepL | 自動翻訳
まとめ
これらの関係を簡単に描くと上部の図解の通りで、人工知能が一番大きな範囲を持ち、その中に機械学習が含まれ、さらにその機械学習の中にディープラーニングが存在します。それぞれの範囲と目的が異なりますが、全てが共同して、コンピュータが人間のように思考し行動することを目指しています。
時代が経つにつれて、我々の生活に色濃く、人工知能（AI）・機械学習・ディープラーニングは浸透していくと思われます。
エンジニアの皆さんは、これらの活用事例のアプリを用途に合わせて活用するのはもちろんですが、学習を重ねることで自身が人工知能（AI）・機械学習・ディープラーニングの開発者になることも不可能ではないはずなので、一緒に学習にチャレンジしましょう！！！
参考サイト
