ディープラーニングとニューラルネットワーク

人間の脳の中には、数百億個もの神経細胞（ニューロン）が網の目のようにつながり合い、互いに情報をやり取りしています。コンピューター科学者たちはこの仕組みに着目し、コンピューターの中にも信号をやり取りする仮想の計算ユニットを作りました。これがまさに人工ニューラルネットワーク（人工神経網）です。

この計算ユニットは、あちこちから届いた信号を合計して次のユニットへと送ります。その際、重要だと思われる信号には大きな力を乗せ、あまり重要でない信号は弱めて伝えます。このように信号の強さを調整する数値を重み（ウェイト）と呼びます。

無数の仮想ユニットがつながり合って信号をやり取りするうちに、コンピューターは複雑な数字の山の中からでも、一定の規則性を自力で見つけ出せるようになるのです。

人工ニューラルネットワークの層が1枚だけだと、ごく単純な問題しか解けません。そこで研究者たちは、この層を何十層、何百層と深くぎっしり積み重ねました。このようにネットワークの層を深く（Deep）重ねて学習（Learning）させることから、ディープラーニング（深層学習）という名前がつきました。

層が深くなると、驚くべき変化が起こります。たとえば猫の画像を見せたとき、最初の隠れ層（中間層）は明るい点・暗い点や単純な線を捉えます。中間の層はそれらの線が集まってできた尖った耳や丸い目の形を見分けます。そして最も深い層に至ると、ついに「猫の顔」という全体の輪郭を理解できるようになるのです。

以前は、人間がコンピューターに対して猫の特徴を一つひとつ数式やルールで指示しなければなりませんでした。一方、ディープラーニングは膨大な画像を見る中で、特徴を段階的に組み立てる方法を自ら学び取ります。ディープラーニングはデータから学ぶ機械学習の一種ですが、人間がいちいち特徴を設計しなくても、多層のネットワークが自律的に特徴を抽き出してくれる点が大きく異なります。

ディープラーニングモデルも、最初から画像をピタリと言い当てられるわけではありません。初めのうちは、犬の写真を見て「猫だ」と見当違いな予想をすることもあります。しかし、正解とどれくらいズレていたかを計算し、ネットワークの中のつながりを後ろへと逆戻りしながら、信号の強さを少しずつ修正していきます。

このプロセスを何百万回、何億回と繰り返すうちに、ユニット同士の結びつきは正解をより正確に言い当てられるよう調整されていきます。まるでアーチェリーの選手が、的を外れた矢の位置を見て狙いをミリ単位で微調整する練習を何度も繰り返し、矢を少しずつ中心に近づけていくようなものです。それでも万能ではないため、初めて見る画像を前にすると、たまに間違えることもあります。

もう少し正確に言うと、ディープラーニングが人間のように意識を持ったり、思考を巡らせたりしているわけではありません。膨大な計算を重ねて、入力された情報が特定の結果につながる確率を極めて精密に導き出す巨大な計算システムなのです。