ニューラルネットワーク
コンピュータは従来計算処理は得意としますが認識技術などの学習能力を苦手とします。
そこで脳神経細胞のニューロンの仕組みをモデルにし,コンピュータに学習能力を持たせることにより様々な問題を解決するアプローチとしてニューラルネットワークと呼ばれるモデル(アルゴリズム)が確立されます。
これにより,特徴量に基づいて画像認識,文字認識を可能にする畳み込みニューラルネットワークと呼ばれるモデルが使われ始めます。
ディープラーニング
30年前からニューラルネットワークの考えは存在し,入力層,隠れ層,出力層と呼ばれる3層の構造で成り立っていました。
単純に考えれば層の数を増やせば性能も上がるため増やせばいいのですが,それがかえって性能が落としかねないことが分かったため,4層までに制限されます。
しかし研究と同時にニューラルネットワークの層の数を増やした場合でも上手く学習する方法が編み出されます。
ディープラーニングとは,上記で説明した(脳を模した)ニューラルネットワークを多層にし,性能を上げたモノと捉えれば単純だと思います。
そもそもディープラーニングという用語は最近使われ始めた用語で,誰かが論文で使ったことで広まったとされる用語だったはず....(Andrew Ng氏かな?)
フレームワーク
フレームワークにはCaffee,Chainer,TensorFlowなどがあり,共通して必要とされる言語はPythonです。AIプログラミングには不可欠とされる言語であるため,研究者や開発者には,Pythonの習得が必須となります。
ディープラーニングの概念を研究する方(新しい理論を発見する研究者)は少ないのも事実ですがそもそもできる人が限られている(誰でもできるものではない)
しかしAIにコードを書くこと(つまり人工知能を利用して生み出す面白いサービス)は,多少の数学が分かれば文系,理系でも関係なくできると思います。
最後に
認識技術の精度が上昇すればどこに誰がいるか,確認する必要性もなく機械によって代替される数が増えていくだろうと思います。 現在Googleの画像認識AI「PlaNet」が人間を超える認識率を実現したそうです。
これから素晴らしい技術で面白いサービスを開発できるよう,ディープラーニングの学習を続けていきたいと思います。