AI・機械学習・ディープラーニングの違いとは？

AI・機械学習・ディープラーニングの違いは、AIがもっとも広い領域、機械学習がその中の方法群、ディープラーニングが機械学習の一分野という関係です。

三語はニュースや製品紹介で入れ替わるように使われるため、同じものだと思いやすい言葉です。違いを知りたいときは、性能の順位ではなく「どこまでを指す名前か」と「規則をどう作るか」を分けて確認します。ラボの机に三つの札を置き、AI知能区の地図へ正しい位置で戻していきましょう。

第101話「AI・機械学習・ディープラーニングの違い」では、三つの名前を強さの順位だと思ったイトが、異なる仕組みの作業車をすべて深層工房に送り、止まった仕分けを入れ子の地図で直します。今回見るのは、その地図を図と具体例で確かめる道です。

三語の違いを地図で先に見る

最初に、三語の関係を短く並べます。

• AI（人工知能）: 認識、予測、生成、探索など、知的に見える課題を計算で扱う広い技術領域
• 機械学習（ML）: 人がすべての規則を書く代わりに、データを使ってモデルを調整する方法群
• ディープラーニング（深層学習、DL）: 多数の層を持つニューラルネットワークを使う機械学習の一分野

包含関係は、おおまかに「AI ⊃ 機械学習 ⊃ ディープラーニング」です。たとえで言えば、大きなAI知能区の中に機械学習街があり、その街の中に深層工房があります。深層工房で作られた仕組みは機械学習でもAIでもありますが、知能区にあるものがすべて深層工房製とは限りません。

ユイ

ノートにAI、機械学習、ディープラーニングと三つの円を描いたけれど、並べ方が分からないの

マコト

同じ意味の言い換えではなくて、大きさの違う分類なのかな

ピコ

AI知能区の地図にすると見やすいよ。中へ入るほど、方法が具体的になるんだ

AIという大きな目的領域

AIは一つの作り方の名前ではありません。「人が行うと知的に見える課題を、機械でどう扱うか」という大きな目的領域です。AIとは何かで整理したように、次のような仕事が同じ看板の下に集まります。

• 写真の中の対象を認識する
• 売上や需要を予測する
• 文章や画像を生成する
• ゲームの手を探索する
• 決められた知識と規則から答えを推論する

AIの中には、データから学ぶ機械学習もあれば、人が知識や条件分岐を記述するルールベースの仕組みもあります。「AIを使っている」と聞いただけでは、中身がニューラルネットワークなのか、別の探索法なのかまでは決まりません。

機械学習という学び方

機械学習は、例となるデータを使って、入力から出力を得るためのモデルを調整する考え方です。たとえば迷惑メール判定なら、過去のメールと判定結果を材料にし、新しいメールを分類する規則性をモデルに反映します。

ここでいう「学ぶ」は、人間のように授業の意味を味わうことではありません。予測と正解のずれを測り、そのずれが小さくなるように内部の値や境界を更新する処理を指します。実際の方法には、線形回帰、決定木、サポートベクターマシン、ニューラルネットワークなどがあり、機械学習イコール一種類の計算ではありません。

この予測、誤差、更新の流れは、機械学習とは？で果物を分ける境界を使って詳しく観察できます。

ディープラーニングという一分野

ディープラーニングは、入力と出力の間に複数の層を持つニューラルネットワークを使う方法です。画像なら、画素から単純な模様、部分の形、対象全体へと、層を通る中で役立つ表現が組み立てられます。ただし、人が想像する順序で各層に名前が付いているとは限りません。

音声認識、画像認識、文章生成などでディープラーニングが広く使われるのは、大量のデータと計算資源を生かし、複雑な関係を扱いやすいからです。GPUがAI計算に向く理由で見た大量の行列演算も、この深層工房を支える仕事の一つです。

一方で、データ量、説明しやすさ、消費電力、反応時間が重視される場面では、より単純な機械学習やルールが向くこともあります。「深い」という名前を、いつでも上位で優秀という順位に読み替えないことが大切です。

ルールベースAIとの共通点と違い

「AIの中にはディープラーニングが入る」という図を、「どのAIにもディープラーニングが内蔵される」という意味に取るのは誤解です。ラボで三つの仕事を分類してみます。

1. 決められた条件から診断候補をたどる仕組みは、AIと呼ばれても機械学習を使わない場合がある
2. 過去データから迷惑メールの境界を学ぶ仕組みは機械学習だが、ディープラーニングとは限らない
3. 多層ニューラルネットワークで画像を生成する仕組みは、ディープラーニングであり、機械学習であり、AIでもある

共通しているのは、目的に応じて入力を処理し、判定や出力を返す点です。違うのは、その処理規則を人が直接書くのか、データから調整するのか、さらに多層ニューラルネットを使うのかという点です。実際の製品では、ルール、検索、機械学習が一つのシステムに組み合わされる場合もあります。

画像生成AIを三層で使い分ける

画像生成サービスを例に、三つの名前を一つずつ当てます。

• 利用者の指示から画像を作るという全体の能力は、AIの用途として説明できる
• 大量の画像と説明文から関係を学ぶ工程は、機械学習として説明できる
• その学習や生成に多層ニューラルネットを使う部分は、ディープラーニングとして説明できる

一つのサービスを三つの名前で呼べるのは、言葉が重なっているからです。ただし「AI画像」という利用目的の呼び名と、「どんなモデルを使うか」という実装の呼び名では、説明している層が違います。会話では「広い用途の話か、学び方の話か」を添えると、言葉を使い分けやすくなります。

誤解をほどく確認クイズとワーク

ワーク: 次の三つを、AIのみ、機械学習、ディープラーニングのどこに置くか考えてください。「人が書いた将棋の探索規則」「表形式データを学ぶ決定木」「多層ニューラルネットによる画像分類」です。一つの札が複数の領域に入るときは、最も内側の場所も書きます。

Q1. ディープラーニングを使わないAIはある？

あります。人が書いたルールや探索を中心に動くAI、ディープラーニング以外の機械学習を使うAIもあります。

Q2. ディープラーニングは機械学習よりいつでも優れている？

そうとは限りません。データの量と種類、必要な精度、説明のしやすさ、計算量、運用環境によって向く方法が変わります。

Q3. 三つを厳密な境界線で分けられる？

研究分野や製品の呼び方は時代と用途で揺れます。入れ子の地図は基本関係を覚えるたとえであり、現場の複合システムを一枚の箱に閉じ込める図ではありません。

AI知能区を次へ進むルート

三語の地図ができたら、内側の仕組みへ進みましょう。機械学習とは？では、見本、予測、誤差、調整の循環をたどります。その次のAIの学習と推論の違いでは、モデルを作る時間と使う時間を分けて整理できます。

もっと広い入口へ戻る場合はAIとは？、学習順全体はAIルートから確認できます。

三つの包含関係を、箱で描いてみる

いちばん大きな箱がAI、その中に機械学習、さらにその中にディープラーニングがあります。ただし、AIのすべてが機械学習ではありません。身近な機能を一つ選び、どの箱に入るかを理由とともに説明できれば、三つの違いをつかめています。

ニューラルネットワークの「層」が何を計算するかは、重みと層でわかる仕組みで具体的な数値を使って確認できます。