機械学習 vs. ディープラーニング: 違いは何ですか?

機械学習 とディープラーニングは、 人工知能 大量のデータを処理してパターンを分析し、予測し、アクションを実行するために使用できるテクノロジー。 それらは互いに関連していますが、同じものではありません。 それらは、学習方法や人間の介入をどの程度必要とするかなど、重要な領域で異なります。

全体的な調査結果

機械学習と深層学習は、コンピューターを使用してデータを分類および分析し、その分析に基づいて予測を行うという点で似ています。 差別化の主な領域は、それをどのように行うか、そしてそれを作成する人々に何が要求されるかです。

機械学習 (ML) と深層学習は、人工知能のより大きな分野の 2 つの分野です。 機械学習は AI のサブセットです、ディープ ラーニングは ML のサブセットです (別の言い方をすると、すべてのディープ ラーニングが ML ですが、すべての ML がディープ ラーニングであるわけではありません)。

機械学習の長所と短所

機械学習システム (モデルとも呼ばれます) は、アルゴリズムを使用してデータを分類および分析し、予測を行い、限られた複雑さのアクションを実行するように人間によってトレーニングされます。

ML プログラマーは、モデルが実行するデータ処理の分析アルゴリズム、データ内で検索するパターン、およびモデルが分析するデータの特性を定義します。 機械学習システムは分析するデータを改善しますが、最も重要な改善には人間の介入が必要です。

機械学習は何十年も前から存在しており、特にハイテク、金融サービス、電子商取引、ヘルスケアなどのデータ重視の業界で広く使用されている成熟したテクノロジーです。 ML モデルの例には、「あなたのような人」に基づいたコンテンツや製品の推奨が含まれます。

ディープラーニングの長所と短所

深層学習システムは 人工ニューラルネットワーク (ANN) 複数のノードまたはレイヤーで構成され、それぞれがシステム内の特定の機能の実行専用です。 この構造と特殊化により、深層学習システムは複雑になり、多くの場合 100 以上のレイヤーが含まれます。

人間が深層学習システムをセットアップしますが、ML モデルとは異なり、探しているデータの特性を事前に定義する必要はありません。 代わりに、深層学習システムは、分析するデータ内の特徴を独自に検出して定義します。 これにより、ディープ ラーニングからの発見がより新たになり、これらのシステムは、作成者がそもそも探すことを知らなかったパターンを見つけたり、結論を導き出したりできるようになります。

ディープ ラーニングの背後にある概念は 1980 年代から存在していましたが、コンピューター プロセッサが安価になり、ディープ ラーニング システムを提供できるほど強力になったのは近年のことです。

機械学習と深層学習の例

ML とディープラーニングがどのように異なるかを理解するために、写真内のバスケットボールを認識するシステムを想像してください。 各システムが正しく動作するには、検出を実行するアルゴリズムと、分析するための大量の画像セット (バスケットボールを含むものと含まないもの) が必要です。

• 機械学習システムの場合、 画像検出が行われる前に、人間のプログラマーがバスケットボールの特性や特徴 (相対的なサイズ、オレンジ色など) を定義する必要があります。 それが完了すると、モデルは写真を分析し、バスケットボールを含む画像を配信できます。 モデルがこのタスクを頻繁に実行するほど、モデルのパフォーマンスは向上します。 人間が結果を確認し、処理アルゴリズムを変更して精度を向上させることもできます。
• ディープラーニングシステムの場合、 人間のプログラマは、それぞれが特定のタスク専用の多くの層で構成される人工ニューラル ネットワークを作成する必要があります。 プログラマーはバスケットボールの特性を定義する必要はありません。 画像がシステムに入力されると、ニューラル ネットワーク層はバスケットボールの特徴を独自に判断する方法を学習します。 次に、その学習を画像分析のタスクに適用します。 深層学習システムは、結果の精度を評価し、人間の介入なしに時間の経過とともに改善するために自動的に更新されます。

この例は、テクノロジをタスクに正しく適用できることを示すのにも役立ちます。 機械学習は画像検出には最適ですが、深層学習はおそらくこの種の用途には強力すぎる (そして設定と操作が複雑すぎる) でしょう。 深層学習は、より複雑なタスクに適しています。 深層学習システムは、自動運転車の自動運転システムに組み込まれ、タスクを実行する方が適切かもしれません。 ボールが道路に跳ね返る危険性があるときをリアルタイムで認識し、適切な措置を講じます。 応答。