層が増えるほど、抽象化も深まる。ディープラーニングは、多数の隠れ層を持つニューラルネットワークを用いて、生データから直接表現を学習する。特徴量を手作業で作成するのではなく、ネットワークにそれらを発見させるのだ。

この手法は2012年以降に爆発的に普及した。当時、深層畳み込みネットワークが主要な画像認識コンテストで圧倒的な差をつけて優勝したのだ。高速なGPU、より大規模なデータセット、そして改良された学習技術がその差を生み出した。

ディープラーニングが真価を発揮する分野

• 画像および動画認識
• 音声および言語処理
• 生成モデリング
• ゲームプレイと操作
• 推薦システム

これは魔法ではありません。ディープラーニングモデルには、大規模なデータセット、相当な計算能力、そして綿密な調整が必要です。また、解釈が難しいという問題もあり、医療や金融といった規制の厳しい分野では特に深刻です。進歩は続いていますが、同時に実用上の制約も依然として存在します。