ディープラーニング(深層学習)|AI・人工知能の用語

1990年ごろ、ルールベースのエキスパートシステム(専門家システム)の実用化を目指して人工知能がブームとなりましたが、エキスパートシステムでは人間が明示的に莫大なルールを記述する必要があり、かつ、専門家の暗黙知を明文化することの困難さもあり、大きな壁にぶつかって実用化のゴールに辿り着けませんでした。

しかし、昨今のAIブームは、ディープラーニングを中心とした機械学習の進展によるところが大きく、過去のルールベースのAIからブレークスルーを果たしたと言えます。
(逆の言い方をすると、ディープラーニングの恩恵を受けない領域では、あまり進展がないとも言えます。)

機械学習では、その入力データが多ければ多いほど正解に辿り着くためのパラメーターが修正され、出力の精度が向上します。そのため、クラウド上に存在するビッグデータを学習に用いることができるようになったことが、機械学習にとってはプラスに働きました。

また、コンピューターの計算処理能力が向上したことや、記憶媒体が大容量化・低価格化したことも機械学習の発展に好影響を与えています。

そして、何よりも「ディープラーニング」(深層学習)の登場が新たにAIを発展させる原動力となりました。

そのディープラーニングは、機械学習の1つですが、人間が関わらずにコンピュータが大量のデータからデータの特徴を自ら発見し学習する技術です。

また、ディープラーニングは ニューラルネットワークの発展形であり、ニューラルネットワークの問題点を「多層化」により解決して進化させたものだと言えます。ディープラーニングは、入力層と出力層の間の「層」の数を増やしたことで、複雑さに対応できるようになり精度が大きく向上しました。


コールセンターに関する用語集

コールセンターの構築・運営に関連する用語の説明をしています。