ディープニューラルネットワーク（DNN）とは？日常で使われている機械学習を改めて知る

ディープニューラルネットワーク（Deep Neural Network）とは、その名の通り「深い」構造を持つニューラルネットワークのことです。通常のニューラルネットワークが3層（入力層・隠れ層・出力層）で構成されているのに対し、ディープニューラルネットワークは何層もの隠れ層を持っています 。

（過去の記事「ニューラルネットワーク（NN）とは？AI技術の根幹をシンプルに解説」もご参照ください）

これは、建物の構造に例えると分かりやすいでしょう。シンプルな平屋建て（浅いネットワーク）では限られた機能しか持てませんが、高層ビル（深いネットワーク）では各階に異なる部署や機能を配置でき、より複雑な業務を行えます。

低層階では基本的な情報処理、中層階ではより専門的な分析、高層階では全体を見渡した意思決定というように、階層ごとに異なる役割があるのです。ディープニューラルネットワークも同様に、層の階層性を活かしてより複雑なパターンを認識できる仕組みだと言えます。

ディープニューラルネットワークの最大の特徴は、「階層的な特徴抽出」能力です。浅い層では単純な特徴を、深い層ではより抽象的で複雑な特徴を抽出します 。

（引用元：This is Rakuten Tech）

例えば、顔認識のディープニューラルネットワークでは、

4.最深層：「この人は誰か」を判断

というように、階層的に理解をしています。これは子どもの学習過程にも似ています。最初はアルファベットを覚え（基本要素）、次に単語を理解し（中間層）、やがて文章の意味（深い層）、そして文脈や含意（最深層）を理解できるようになります。

従来の（浅い）ニューラルネットワークでは、複雑な問題に対応するために、一つの層に大量のニューロンを用意する必要がありました。一方、ディープニューラルネットワークでは層を深くすることで、少ないニューロン数でも複雑な問題を解決できます。

これは、一つの大きな会議室で全員が同時に議論（浅いネットワーク）するよりも、小さなチームに分かれて段階的に問題を解決（深いネットワーク）していく方が効率的なのと似ています。

ディープニューラルネットワークの歴史で重要なのは「勾配消失問題」とその克服です。層が深くなるほど、学習時に必要な信号が層を伝わる間に弱まり、最初の層まで届かなくなる問題がありました。

これは、長い列でささやきゲームをするとメッセージが途中で変わってしまうのに似ています。この問題によって、長年ディープニューラルネットワークの実用化は困難とされていました。

しかし、2000年代後半から、事前学習などの新しい学習方法や強力なGPUの登場により、この問題が解決され、ディープニューラルネットワーク実用化の道が開かれたのです。

ディープニューラルネットワークは、現代AIの中核技術として、以下のようなさまざまな分野で活用されています。

●ゲームAI：複雑な戦略ゲームで人間に勝利

例えば、スマートフォンの顔認証やボイスアシスタント、翻訳アプリなど、私たちが日常的に使うテクノロジーの多くにディープニューラルネットワークが使われています。

ディープニューラルネットワークの登場は、AI技術に革命をもたらしました。これまでのAIは、人間があらかじめ「これが重要な特徴だ」と定義したパターンやルールに頼っていました。しかし、ディープニューラルネットワークでは「何が重要な特徴なのか」という発見作業そのものを、システムが自動的に行えるようになりました。

この「重要な特徴を自分で見つけ出す能力」こそが、ディープニューラルネットワークの本質であり、人間が気づかなかったパターンも発見できる強みです。今後もディープニューラルネットワークの発展は続き、より少ないデータでも効率的に学習できる手法や、より解釈しやすいモデルの研究が進んでいくでしょう。