深層学習（しんそうがくしゅう）

概要解説

深層学習は、対象の全体像から細部までの概念を階層構造として関連させて学習する人工知能の手法である。主に多層の人工ニューラルネットワークが用いられ、分類や回帰などの課題に応用される。入力データを複数の階層を経て、徐々に抽象的で複合的な表現へと変換する特徴を持つ。2006年にジェフリー・ヒントンの研究チームが多層ニューラルネットワークを用いた研究を発表したことで進展が始まった。2012年の競技会ILSVRCにおいてAlexNetが画像認識率を劇的に向上させ、第三次人工知能ブームを引き起こす契機となった。拡散モデルなどの生成モデルや、Transformerといった大規模言語モデルの基盤技術としても広く活用されている。

語源・由来

名称に含まれる「ディープ（deep）」は、ネットワーク内で用いられる層が複数（3層から数百、数千層まで）重なっている構造に由来する。