ニューラルネットワーク

　人間の脳にある神経細胞のニューロンをモデルにした人工知能（AI）のアルゴリズム。遺伝的アルゴリズムやエキスパートシステムと並んで「AI御三家」と呼ばれる。

　ニューロンは、受け取った電気信号が一定以上だと興奮し、次のニューロンに電気信号を送る。ニューロンが巨大なネットワークを構成し、さまざまな情報を伝達したり、処理したりしている。この仕組みを模したのがニューラルネットワークだ。

　人間の脳を人工的に再現する研究は、1940年代ごろから始まった。マカロックとピッツが43年に発表した形式ニューロンは、入出力の値に「0」と「1」だけを使う内容で、世界初の人工ニューロンとされる。

　ニューラルネットワークは、ニューロンの電気信号の動きを数値化したのが特徴で、脳内の情報処理をコンピュータの計算で再現する。しかし、ただ数値を入力しても、正しい出力値は得られない。

　そこで必要になるのが機械学習だ。人間が問題と回答を教え、入力値が正しい出力値になるよう調整する。これを「教師あり学習」と呼ぶ。手書きの数字を正しい数字に判別する場合などに使う。

　一方、コンピュータに膨大な情報を入力し、特徴などを自動的に分類することを「教師なし学習」と言う。購買価格や来店数で顧客のデータを分類する際などに用いる。

　ニューラルネットワークを使ったソリューションの代表例は、「Google翻訳」や人型ロボットの「Pepper」、米アップルの「Siri」など。

ディープラーニング

　深層学習や特徴表現学習と訳す。多層化したニューラルネットワークを使った機械学習の一つとして、人工知能（AI）を支える重要な技術として注目されている。

　ディープラーニングは、2006年に提唱された。12年には、ディープラーニングを使ったチームが画像認識コンテストに出場し、圧倒的な精度で優勝。一躍脚光を浴びるようになった。

　それから研究が活性化。ブームと冬の時代を繰り返すAIの歴史のなかで、「第三次AIブーム」を生み出した要因の一つと考えられている。

　ディープラーニングが従来の機械学習と違うのは、データの特徴を自動的に計算する点だ。手動で特徴を入力していた従来の機械学習に比べ、大きく上回る精度を出せるようになった。

　ディープラーニングにつながる研究は、1970年代には原型となる技術が発表されていた。最近になって話題となっているのは、コンピュータの計算性能が飛躍的に向上し、ディープラーニングを適用したAIの実用化が期待されているからだ。

　技術の進歩はめざましく、16年には、グーグルの研究部門が開発したAI「AlphaGo」が、囲碁のトップ棋士に勝利した。

　多くの企業が、車の自動運転や医療分野への応用などを目指している一方、ディープラーニングを適用したAIの進化には懸念の声もある。

　AIの能力が45年に人間を上回り、人間を支配することが予想されている。この「2045年問題」が、専門家の間で議論の的になっている。