ディープラーニングとは？

詳細解説

ディープラーニング（Deep Learning: 深層学習）は、人間の脳神経回路（ニューロン）を模倣した多層ニューラルネットワーク（入力層→複数の隠れ層→出力層）を使って特徴量を自動抽出・学習する機械学習手法です。「ディープ」は隠れ層が「深い（多い）」ことを意味します。2012年にAlexNetがImageNet画像認識コンテストで従来手法を圧倒した結果から第3次AIブームが始まり、現在のAI革命の中核技術です。主要なニューラルネットワーク構造はCNN（畳み込みニューラルネットワーク、画像認識特化）・RNN（再帰型ニューラルネットワーク、時系列データ）・LSTM（長短期記憶、RNNの改良）・Transformer（自己注意機構、GPT・BERTの基盤）です。ディープラーニングが従来の機械学習と異なる点は「特徴量エンジニアリング（人手による特徴抽出）が不要で、生の画像・音声・テキストから自動学習できる」ことです。大量のデータ（ビッグデータ）とGPUによる並列計算が学習に必要で、GPUが普及してコストが下がったことでブームが加速しました。ITパスポートでは「ディープラーニングの特徴」「ニューラルネットワークの層構造」「GPUとの関係」「生成AIの基盤技術」が頻出です。

ITパスポートでの出題ポイント

• 1多層ニューラルネットワークで特徴量を自動抽出・学習
• 2CNN（画像）・RNN/LSTM（時系列）・Transformer（言語）が主要構造
• 3大量データとGPU並列演算が高性能の鍵
• 4生成AI（GPT・DALL-E等）の基盤技術

関連用語