A機械学習（Machine Learning）
コンピュータがデータから規則性を学習し、予測や分類を行う技術の総称。教師あり学習・教師なし学習・強化学習に大別されます。多くの場合、人間が「どの特徴を使うか」を設計する必要があります。
統計的手法を含むAIの一分野
教師あり/教師なし/強化学習に分類
人手による特徴量エンジニアリングが鍵
違いシリーズ一覧に戻る
AI・クラウド
機械学習とディープラーニングの違い
両者はAIの中で「機械学習 ⊃ ディープラーニング」という包含関係です。ディープラーニングは多層ニューラルネットワークを用いる機械学習の一手法であり、特徴量を自動抽出できる点が大きな違いです。
比較表で見る違い
| 観点 | 機械学習 | ディープラーニング |
|---|---|---|
| 位置づけ | AIの一分野（広い概念） | 機械学習の一手法（狭い概念） |
| 特徴量の扱い | 人が特徴量を設計する必要あり | 多層NNが自動的に特徴量を抽出 |
| 必要データ量 | 比較的少なくても可 | 大量のデータが必要 |
| 計算資源 | 通常のCPUでも実行可能 | GPU/TPUなど高性能演算が必要 |
| 代表的な手法 | 決定木、SVM、ランダムフォレスト、k-meansなど | CNN、RNN、Transformer、生成AI（LLM）など |
それぞれの詳しい解説
Bディープラーニング（Deep Learning）
多層のニューラルネットワーク（深層NN）を用いる機械学習の一手法。中間層が深いほど複雑な特徴を自動抽出でき、画像認識・音声認識・自然言語処理で高い精度を実現します。学習には大量のデータと計算資源が必要です。
多層ニューラルネットワークが基盤
特徴量を自動抽出
画像認識・自然言語処理で大成功
試験対策のポイント
「AI ⊃ 機械学習 ⊃ ディープラーニング」の包含関係を覚える。ディープラーニングの強みは「特徴量自動抽出」。
理解度チェック（3問）
Q1. 機械学習とディープラーニングの関係として最も適切なものはどれか。
- 1機械学習はディープラーニングの一部である
- 2ディープラーニングは機械学習の一手法である
- 3両者はまったく別の技術分野である
- 4機械学習は古い技術で現在は使われない
解答・解説を見る
正解：2. ディープラーニングは機械学習の一手法である
ディープラーニングは多層ニューラルネットワークを使う機械学習の一手法。AI ⊃ 機械学習 ⊃ ディープラーニングの包含関係。
Q2. ディープラーニングの特徴として最も適切なものはどれか。
- 1人手による特徴量設計が必須である
- 2少ないデータでも高精度を実現できる
- 3多層ニューラルネットワークが特徴量を自動的に抽出する
- 4CPUのみで効率良く学習できる
解答・解説を見る
正解：3. 多層ニューラルネットワークが特徴量を自動的に抽出する
ディープラーニングの強みは多層NNによる特徴量の自動抽出。学習には大量データとGPU等の計算資源が必要。
Q3. 次のうち、ディープラーニングの代表的な手法として最も適切なものはどれか。
- 1k-means法
- 2決定木
- 3畳み込みニューラルネットワーク（CNN）
- 4線形回帰
解答・解説を見る
正解：3. 畳み込みニューラルネットワーク（CNN）
CNN（Convolutional Neural Network）は画像認識で広く使われる代表的なディープラーニング手法。他は伝統的な機械学習・統計手法。