ディープラーニングの基本

ディープラーニング(深層学習)とは?機械学習との違い・仕組み・身近な例

 文:TARNAR AI 編集部/監修:たーなー先生(田中直人)

画像や音声、文章を扱うAIの多くは、ディープラーニングが土台です。機械学習との違いと仕組み、身近な例を順にたどります。

ディープラーニング(深層学習)とは、多数の層から成るニューラルネットワークを使って行う機械学習のことです。総務省の情報通信白書でも、この定義で紹介されています。従来の機械学習では人が決めていた「どこに注目するか」を、コンピューター自身が見つけ出せるのが大きな特徴です。

この記事の書き手:たーなー先生(田中直人)。ボイストレーナー歴30年、30年間で5万人以上を指導。声と音を毎日扱ってきた立場から、音声認識のように身近なAIの話を交えて、仕事で使う側の目線で書いています。

ディープラーニングとは?深層学習という名前の意味

ディープラーニングは、日本語で深層学習と呼ばれます。「深い」というのは、情報を処理する層が何段にも重なっている、という意味です。層の中身を担うのがニューラルネットワークという仕組みで、入ってきた情報を何段もの処理に通しながら、答えに近づけていきます。

総務省の情報通信白書は、ディープラーニングを機械学習の一種として位置づけ、人が着目すべき特徴量をあらかじめ指定しなくても、コンピューターが自ら抽出できる点が特徴だと説明しています。特徴量とは、物事を見分けるときの手がかりのことです。猫を見分けるなら、耳の形・目の位置・毛並みといった手がかりにあたります。

この記事では、まず機械学習との違い、次に仕組み、そのあとに身近な例と仕事での使い方を順に見ていきます。機械学習そのものを先に知りたい方は、機械学習とは?生成AI・LLMとの関係、3つの種類、仕事での使われ方から読むと全体がつながります。

ディープラーニングと機械学習の違いは?手がかりを誰が決めるか

機械学習は、データからルールを見つけて予測や分類を行う手法の全体を指します。ディープラーニングはその中の一つで、多層のニューラルネットワークを使う方法です。つまり、ディープラーニングは機械学習に含まれます。違いがもっとも表れるのは、手がかり(特徴量)を誰が決めるか、という点です。

比べる点従来の機械学習ディープラーニング
位置づけデータからルールを学ぶ手法の全体機械学習の一種
手がかり(特徴量)人が考えて指定することが多いコンピューターが自分で見つける
得意なデータ表になった数字や記録画像・音声・文章など形が決まっていないデータ
必要な材料比較的少ないデータでも始めやすい多くのデータと、多くの計算が必要になりやすい
結果の理由ルールをたどりやすいなぜその答えになったかを説明しにくい面がある

画像や音声のように、人が手がかりを言葉にしにくいデータを扱うときに、ディープラーニングは特に力を発揮します。逆に、売上表のように数字がきれいに並んでいて、見るべき項目がはっきりしている仕事では、従来の機械学習で十分なこともあります。道具は仕事に合わせて選ぶのが基本です。

ディープラーニングの仕組みは?層を通して答えに近づく流れ

ディープラーニングの学び方を、猫の写真を見分ける例で順に見ます。

  1. 写真を入力する。写真は細かな点(画素)の集まりとして、数字の形で入ります。
  2. 最初の層で、単純な特徴を拾う。線や輪郭、明るさの違いなど、小さな手がかりを見つけます。
  3. 次の層で、組み合わせる。線の組み合わせから、耳や目といった部分の形が見えてきます。
  4. さらに深い層で、全体をつかむ。部分が集まって、「猫らしい姿」としてまとまります。
  5. 答えを出す。「猫である可能性が高い」という形で結果が出ます。
  6. 答え合わせをして調整する。正解と見比べ、間違った分だけ内部の数値を少しずつ直します。これを大量の写真で何度もくり返すと、見分ける力が育ちます。

層が深いほど、単純な特徴から複雑な特徴へと段階的に見分けられるため、人が手がかりを書き出さなくても精度が上がっていきます。学習が終わったあとは、直した数値を使って、初めて見る写真にも答えを出せます。

なお、この「学習」には多くのデータと計算が必要ですが、できあがったモデルを使う側は、その仕組みを一から作る必要はありません。多くの事業者は、すでに公開されているAIの道具を使うことになります。

ディープラーニングが使われている身近な例は?

ディープラーニングは、画像・音声・文章の三つの分野で広く使われています。普段の仕事で出会いやすい例を整理します。

分野できること仕事での出会い方
画像写真に何が写っているかを見分ける写真の自動整理、写真の説明文の下書き
音声話した声を文字にする会議やレッスンの文字起こし、動画の字幕
文章言葉の意味を読み取り、文章を作るメールや紹介文の下書き、要約、翻訳
画像・動画の生成言葉の指示から画像や動画を作るチラシやSNS用の素材のたたき台

ChatGPTのような文章の生成AIの中心にあるLLM(大規模言語モデル)も、ディープラーニングの技術で作られたモデルです。仕組みの違いはLLM(大規模言語モデル)とは?仕組み・生成AIとの関係・仕事での使い方で、画像の分野は画像生成AIとは?仕組み・使い方・仕事での使い方と著作権の考え方で扱っています。

声を扱う仕事をしてきた立場でいえば、音声を文字にする機能は、いちばん実感しやすい使いどころです。話した内容がそのまま文章の材料になるので、ブログ原稿の下書きにも使えます。手順は話した内容をAIで文章にする:音声メモからブログ原稿までの手順にまとめています。

ディープラーニングを仕事で使うときの注意点は?

ディープラーニングを使ったAIは強力ですが、出てきた答えの理由が見えにくい面があります。そのため、仕事で使うときは「結果を確認する人」と「確認の観点」を先に決めておくと安心です。AI事業者ガイドライン(総務省・経済産業省)でも、AIを利用する側には、AIの出力の精度とリスクの程度を理解したうえで使うこと、出力結果を事業で使う判断に責任を持つことが示されています。

場面確認の観点
文字起こし人名・地名・数字・専門用語を、元の音声と見比べる
文章の下書き日付・金額・固有名詞を、元の資料と見比べる
画像の説明文写っているものと説明が合っているかを目で見る
要約大事な条件が落ちていないかを、元の文章と見比べる

確認の流れを文章の品質管理として整えたいときは、AIで作った記事の品質管理は?人が確かめる三つの工程と確認リストが参考になります。AIが事実と違う内容をもっともらしく出す現象については、ハルシネーションとは?生成AIの誤りの理由と、仕事で防ぐ手順で整理しています。

ディープラーニングの活用は、どこから始めればいい?

ディープラーニングを自社で一から作る場面は、ほとんどありません。始め方はシンプルで、すでにあるAIの道具を、いまの仕事の一か所に当てはめるところからです。

  1. 毎日・毎週くり返している作業を書き出し、文字起こし・下書き・整理のように、AIが得意な作業に印をつける。
  2. 印をつけた作業から、効果が見込める一つを選ぶ。
  3. 短い期間で試し、かかった時間を前後で比べる。
  4. 出力は人が確認し、事実と判断は人が持つ。

TARNAR AIでは、2026年に自社の22の窓口の設計と制作で、構成・文章の下書き・表示確認にAIを使い、事実と判断は人が確認しました。道具より先に、仕事の流れを見る。この順番が、AIを長く使い続けるコツです。活用の全体像は生成AIの活用方法|仕事の最初のたたき台づくりから始める業務別ガイドにあります。

音楽・教育・観光の事業で、どこからAIを取り入れるか迷ったときは、TARNAR AIにご相談ください。今の仕事の流れをうかがうところから、一緒に整理します。

よくある質問

ディープラーニングと深層学習は同じ意味ですか?

はい、同じ意味です。ディープラーニングを日本語にした言葉が深層学習で、多数の層から成るニューラルネットワークを使った機械学習を指します。

ディープラーニングと機械学習はどう違いますか?

ディープラーニングは機械学習の一種です。機械学習の全体のうち、多層のニューラルネットワークを使い、手がかり(特徴量)をコンピューター自身が見つける方法がディープラーニングです。

ディープラーニングは生成AIと同じものですか?

別のものです。ディープラーニングは学習の方法で、生成AIは文章や画像を新しく作るAIの種類です。多くの生成AIは、ディープラーニングの技術を使って作られています。

ディープラーニングを使うには専門知識が必要ですか?

すでにあるAIの道具を使う範囲では、専門知識がなくても始められます。まずは文字起こしや下書きなど、一つの作業から小さく試すのがおすすめです。