機械学習とニューラルネットワークの関係や活用例を解説

ニューラルネットワークは、機械学習の1つの要素技術です。機械学習とディープラーニングとニューラルネットワーク、この3つのキーワードはしばしば混同されがちですが、一体どのような関係性があるのでしょうか。ここでは、それぞれのキーワードについて解説しながら、その活用例を述べていきます。

▼更に機械学習について詳しく知るには？
【完全版】機械学習とは？解決できる課題から実例まで徹底解説

▼社内のデータをAI化するには？
ノーコードAIツールUMWELT紹介ページ（活用事例あり）

ニューラルネットワーク（NN）とは

ニューラルネットワークとは、人間の脳神経系のニューロンから着想を得た数理モデルであるニューロンを組み合わせて層状のネットワークにしたモデルです。このニューラルネットワークを巨大化・複雑化することで、様々なタスクにおいて高い性能が発揮されることがわかってきました。

機械学習とディープラーニングとニューラルネットワークの関係

機械学習とは、AIの1つの要素技術であり、コンピュータに大量のデータを入力し、データに潜むパターンやルールを発見させる技術です。この機械学習のうち、前述したニューラルネットワークを活用したものをディープラーニングと呼びます。

ニューラルネットワークの種類

ニューラルネットワークにはさまざまな種類があり、入力情報や情報処理の目的に合わせて使い分ける必要があります。本項目では、代表的なニューラルネットワークの種類について紹介していきます。

FFNN（Feed Forward Neural Network：順伝播型ニューラルネットワーク）

FFNN（Feed Forward Neural Network：順伝播型ニューラルネットワーク）では、層は基本的に入力層、隠れ層、出力層に分けられます。データを入力層に入力し、順に値を隠れ層に伝播させ、最後に出力層に値を伝播させることで値を導出します。

Autoencoder（オートエンコーダ、自己符号化器）

オートエンコーダ（自己符号化器）とは、入力と同じ値を出力するニューラルネットワークのことです。ただし、このニューラルネットワークの中間層は入力層および出力層の小さい次元数で構成されており、特徴量を一度圧縮してから、元に戻す処理が行われます。入力層から中間層までをエンコーダ、中間層から出力層までをデコーダーと呼びます。古くは特徴抽出に利用されていましたが、現時点ではその用途では利用されることは多くありません。

CNN（Convolutional neural network：畳み込みニューラルネットワーク）

CNN（Convolutional neural network：畳み込みニューラルネットワーク）は、畳み込み層とプーリング層をもつニューラルネットワークです。
古典的なフィルタリング処理に着想を得ており、画像から特徴量を抽出するために効果的なモデルです。畳み込むためのフィルタをカーネルと呼びます。

RNN（Recurrent Neural Network：再帰型ニューラルネットワーク）

RNN（Recurrent Neural Network：再帰型ニューラルネットワーク）とは、ニューラルネットワークのモデルの一つです。
ネットワーク内部に再帰構造を持つという特徴があり、時系列データの解析や自然言語処理といったタスクにおいて効果を発揮します。上であげたFFNNは、特徴量は固定長でなければいけません。しかしテキストや時系列データは可変長であるため、FFNNではそのまま入力できないという課題がありました。RNNでは、可変長の入力を扱うことができるため、可変長の特徴量を固定長の特徴量に変換するためによく利用されます。

GAN（Generative Adversarial Networks：敵対的生成ネットワーク）

GAN（Generative Adversarial Networks：敵対的生成ネットワーク）は、入力されたノイズデータから新しいデータを作り出して出力する、生成モデルと呼ばれるモデルの一つです。
GANは、データを生成する「生成器」と、与えられたデータが教師データか生成データか判別する「識別器」から構成されます。生成器は、識別器を欺くように学習し、識別器は生成データを正しく判別するように敵対的に学習します。学習が進むと教師データと見紛うような出力データを生成することができるようになります。架空の人物の顔写真生成などが有名です。

RNNの応用「LSTM」

RNNの応用である「LSTM（Long Short Term Memory）」とは、素朴なRNNの問題点「勾配消失」と「入力・出力重み衝突」に対抗するための工夫を備えています。RNNは、系列ラベルを再帰構造によって先頭から順に処理していきますが、素朴なRNNでは、長期的な特徴の記憶ができず、系列が長くなると先頭近くの特徴量が考慮できないという問題がありました。LSTMでは誤差を内部にとどめて勾配消失を防ぐセル、必要な情報を必要なタイミングで保治、償却させるゲートであり、入力ゲート、出力ゲート、忘却ゲートの3つから成り立っています。入力ゲートと出力ゲートにより入力・出力の重み衝突を解決、さらに忘却ゲートによって勾配消失を防ぎます。

ニューラルネットワークの活用例

ニューラルネットワークの技術は、生活シーンのさまざまなところで利用されています。ニューラルネットワークの主な活用例について、それぞれ紹介していきます。

インターネット上のコメント解析

ニューラルネットワークは、インターネット上のコメントの中に含まれている単語認識、ブロックや監視などの解析を行うことが可能です。大手動画サイト「ニコニコ動画」では、動画に投稿されるコメントの解析にニューラルネットワークを適用しています。ニコニコ動画では、ニューラルネットワークの導入によって、全体の75%程度のコメントの人力目視を不要にすることに成功しています。その他にも、ニューラルネットワークの技術はオンラインショッピング上の画像商品検索、音楽ストリーミング配信サービス上のレコメンド機能などに用いられています。

自動翻訳サービスの精度向上

ニューラルネットワークは、自動翻訳サービスの精度向上にも役立っています。ニューラルネットワークによるシステムでは、文章をパーツごとでなく、ひとつの文として翻訳を行います。単語で区切って精密に翻訳していくことにより、どんな長文でも文章全体を把握することが可能となり、より正確な訳語の候補を見つけられるようになりました。ニューラルネットワークの技術は、2016年にGoogleが機械翻訳に導入し、翻訳精度を劇的に向上させました。

株価の予測や物件の価格決定

ニューラルネットワークでは、株価の予測や物件の価格決定などを行うことができます。たとえば、株価予測であれば「予測時刻（何時に）」と「予測時間（どれだけ先を予測するか）」の２つの指標を元にして専用のニューラルネットワークを用意し、株価の上昇、もしくは下落を予測します。物件の価格決定ではディープラーニングの技術を利用し、人工知能が物件の価格推定をおこないます。

自動車の自動運転システムの開発

ニューラルネットワークは、人や物を察知する画像認識を得意としています。また、ニュートラルネットワークによる画像認識技術は、自動運転の機能に役立つとされています。たとえば、画像認識システムによってドライバーの代わりに周囲の物体を正確に認識し、自動運転に役立てることができます。その他にも、走行レーンを検出して境界認識、運転可能な場所や経路を検出することも可能です。

胃がんの早期発見

ニューラルネットワークの技術は、医療業界にも役立っています。たとえば、ニューラルネットワークによって内視鏡画像から胃がんを検出することが可能です。内視鏡画像からの解析スピードは非常に速く、小さなものも識別できることから、胃がんの早期発見に活かされています。さらに近年では病気の早期発見のみならう製薬における研究開発、ゲノム解析分野での遺伝子と病気との関係の解明などにも用いられ、さらなる研究が進められています。

道路やトンネルの損傷検知

ニューラルネットワークは、橋やトンネルの表面にある傷や汚れなどの損傷検知を行うことができます。近年ではひび割れなどの損傷パターンをニューラルネットワークに読み込むことで、さらなる精度向上を実現しています。立命館大学・関西大学の教授らによる研究では、ニューラルネットワークによりひび割れに特有の特徴パターンを効率よく検出する画像解析、さらにその特徴パターンを高精度に識別する畳み込みニューラルネットワークを併用させる技術により高い精度でひび割れを検出可能となりました。

人工知能の研究にも活用されている

ニューラルネットワークの技術は、教育やアート、ゲームなど、様々な人工知能研究に活用されています。たとえば、教育分野であればリアルタイムに数学の問題を認識し、回答してくれるアプリ「PhotoMatch」、アートなら画家が描いた芸術作品のように写真を加工できる「Prisma」、ゲームではコンピューターゲームをゼロから自力で学習し上達する人工知能アルゴリズム「DQN」などがあります。

機械学習を業務に活用するなら「UMWELT」がおすすめ

機械学習をビジネスの現場に応用するためには、専門人材の確保やシステム開発が必要です。しかし、IT人材不足の昨今でこれらの条件を満たすことは至難の業とも言えます。機械学習の知見がなくても使えるAIツールをお探しの方には、TRYETINGのノーコードAIクラウドUMWELTがおすすめです。

UMWELTには多数の機械学習アルゴリズムが搭載されており、これらを自由に組み合わせることで誰でもかんたんに機械学習を実施することができます。大手からスタートアップまで、幅広い業界業種・企業規模のお客様にご利用頂いている、信頼性の高いサービスです。

まとめ

機械学習におけるニュートラルネットワークにはオートエンコーダ、畳み込みニュートラルネットワークなどのさまざまな種類があり、入力情報や情報処理の目的に合わせて使い分けることが大切です。ただし、そのためには専門的な知識が必要となります。TRYETINGのUMWELTであれば、あらかじめ機械学習に必要なシステムが構築されているため、プログラミングの知識がなくても機械学習を行うことができます。機械学習やニューラルネットワークを用いたデータ分析をスムーズを行いたいと考えている企業担当者様は、ぜひTRYETINGへお問い合わせください。

参照文献

ドワンゴ川上会長単独インタビュー｢僕らがディープラーニングで狙うもの｣｜BUSINESS INSIDER（2017）
https://www.businessinsider.jp/post-100720

Google 翻訳が進化しました。｜Google Japan Blog（2016）
https://japan.googleblog.com/2016/11/google.html

深層畳み込みニューラルネットワークに基づくコンクリート表面のひび割れ検出システム｜野村泰稔、村尾彩希、阪口幸広、古田 均（2017）
https://www.jstage.jst.go.jp/article/jscejsp/73/2/73_I_189/_pdf/-char/ja

UMWELTのサービスページをチェックする

AI予測ツールUMWELT紹介ページ（活用事例あり）