技術の世界は非常に速く進歩しています。人工知能、機械学習、深層学習が話題になりつつあります。今日は、機械学習と深層学習の違いについて説明します。
このディスカッションでは、定義を確認してから、いくつかの例を見てみましょう。それではまず、機械学習の定義を見てみましょう。機械学習は、コンピューターがデータから学習して予測を行う機能を提供するアルゴリズムです。次に、ディープラーニングとは何ですか？ディープラーニングは機械学習のサブセットであり、脳の構造と機能に触発されたアルゴリズムに関するものです。
それでは、簡単な例を見てみましょう。たとえば、入力として画像を受け取り、それが車であるかどうかを判断するアルゴリズムを設計する必要があります。
したがって、機械学習の場合、自動車の特性（フィーチャー）を定義する必要があります。たとえば、車の特徴は、下に車輪があります。機械学習の場合、アルゴリズムは画像を入力として受け取り、画像内のオブジェクトに丸い車輪があるかどうかをチェックしようとします。丸い車輪を見つけることができる場合、オブジェクトを車として分類する場合があり、そうでない場合は拒否されます。
問題は、車輪に穴が開いて、もはや丸くないことかもしれません。そうなると、通常の機械学習アルゴリズムはそれを車として検出しなくなります。そして、ここでディープラーニングが役立ちます。ディープラーニングでは膨大な数の画像を取得し、それらを使用してトレーニングを行います。もう先に進む前に、子供の頃から、自動車を人間として検出する方法をどのように学びましたか？「底に丸い車輪があるもの、それが車だ」と誰かが言ったとは思いません。むしろ、あなたの両親が「見て、それは車だ」と言ったのではないかと思います。あなたの脳はそのデータを入力として受け取りました。それを自己訓練しました。そして、十分な入力を取得した後、あなたの脳が、車かどうかを簡単に検出できるかもしれません。
同様に、深層学習では、アルゴリズムは入力として多くの画像を受け取ります。単独で分析して機能を抽出します。機能自体を定義します。適切にトレーニングされると、正しい出力が得られます。
さて、どのように選択できますか、どちらを使用する必要がありますか？通常の機械学習アルゴリズムまたは深層学習アルゴリズム？答えはとても簡単です。
1）多くのラベル付きデータ 2）高性能GPUの 3）高度なアルゴリズム。したがって、3つすべてを持っている場合、ディープラーニングが最良の選択です。それ以外の場合は、通常の機械学習アルゴリズムを使用する必要があります。
最後に、ディープラーニングと機械学習の概要を把握するために、表を見てみましょう。
そして最後に、私の悪い日本語をもし訳ございます。