深層学習（しんそうがくしゅう）
ɕinsoːgakɯɕuː
最終更新：2026/4/19
深層学習は、多層のニューラルネットワークを用いてデータから特徴を階層的に抽出および学習し、識別や予測、生成を行う機械学習の一手法である。
ポイント
ニューラルネットワークの層を深くすることで、人間が明示的に特徴を指定せずとも、データから複雑なパターンを自動的に学習できるのが最大の特徴。現在のAI技術の基盤となっている。
深層学習（ディープラーニング）
深層学習（英: deep learning）は、機械学習の一分野であり、人間の脳の神経回路を模した「ニューラルネットワーク」を多層（ディープ）に重ねることで、データの中に潜む複雑な構造や特徴をコンピュータ自身が抽出・学習する技術です。
主な特徴
- 特徴量の自動抽出: 従来の機械学習では人間がデータの特徴を手作業で定義する必要がありましたが、深層学習ではニューラルネットワークが学習過程で自動的に重要な特徴を見つけ出します。
- 多層構造: 隠れ層と呼ばれる層を深く重ねることで、階層的かつ抽象的な情報の処理が可能になります。これにより、画像認識、音声認識、自然言語処理などの高度なタスクにおいて飛躍的な性能向上を実現しました。
- ビッグデータの活用: 大量のデータを与えることで性能が向上する性質があり、近年の計算能力（GPUなど）の向上とビッグデータの蓄積によって急速に普及しました。