今回はいよいよ新コーナー、「ゆるっとディープラーニング」の開幕です！

「ゆるっと機械学習」の最初の記事にて、「機械学習はAIの一部で、ディープラーニングは機械学習の一部である」と図を使って説明しましたが、覚えていらっしゃるでしょうか？

今回は機械学習より深い、ディープラーニング（深層学習）とは何かについて深掘りしていきます！

それでは、レッツゴーーーーーー！！！！

---

ニューラルネットワークって？

ディープラーニングについて学ぶ前に、まず必要な概念であるニューラルネットワークについて知っておきましょう。

ニューラルネットワークはイメージで言うと、入力層 → たくさんの隠れ層→ 出力層です。

看護の現場で考えてみると、

• 入力層：患者さんからの情報（問診、バイタル、検査結果）
• 隠れ層：それを頭の中で整理・考察しているあなた（看護師）
• 出力層：「脱水かな？」「感染症っぽい」と結論を出す部分

つまり、ニューラルネットワークとは、入力をもとに、少しずつ考えて結論を出す仕組みです。

改めて説明、ディープラーニング

「ディープラーニング（深層学習）」という名前の通り、
「層が深い」のが特徴です。

ディープラーニングは、層を深くしたニューラルネットワークのことです。

では、その層って何でしょうか？
それは、人間の脳の神経ネットワークをマネした構造です。
一度は人体構造学を学んだ皆さんなら、ピンと来ると思います。
（学んだことがない方は、ディープラーニングは人間の脳のネットワークと似ているんだな、と思ってください）

脳では、たくさんの神経細胞（ニューロン）が電気信号をやりとりしていて、感覚器からの情報を総合して「これは猫！」「これは赤ちゃんの泣き声！」と判断しますよね。

ディープラーニングも同じように、たくさんの層を通して情報をちょっとずつ加工して、最終的な判断を出します。

層を重ねると深くなる理由は？

ケーキの層が1枚ならシンプルです。
でも10枚重ねれば、クリームの味や食感が複雑に、濃厚な味わいになります。

ディープラーニングも同じです。
層を増やすことで、より複雑な特徴（たとえば顔の表情や心電図の波形）を理解できるようになります。

「新人ナースが、経験を積んで『これは危ないサインだ！！』と自分で気づけるようになる」というイメージです。

どうやってディープラーニングは学ぶの？

ディープラーニングも機械学習の一部なので、学習をします。
でもそのやり方がちょっと特殊です。

1. データを入力する
2. 情報を層を通して伝えていく（順伝播）
3. 出力を出す
4. 「正解」と比べてどれだけ間違ってるかを計算
5. その誤差を逆方向（逆伝播）に伝えて、重みをちょっとずつ修正（誤差逆伝播法）

この繰り返しで、ディープラーニングは精度を磨いていきます。

結局、他の機械学習とどう違うんじゃい

ディープラーニングは、他の機械学習と違う部分が主に2つあります。

自ら学習する能力がある

他の機械学習では、どれが学習に効果的なデータかは人間が教えてあげる必要がありました。

しかしディープラーニングではどれのデータを学習すればより効果的に学習できるか、自分で見つけることができます。あったまいーーーー！！！

もはや人間がいらなくなるのでは？

複雑なデータを処理する能力が高い

ディープラーニングは複雑なネットワーク構造を持っているので、多量の複雑なデータをうまく処理することができます。

そのため、高精度な予測や分類を行うことができます。

ディープラーニングはどのように使われているの？

皆さんの中にもChatGPTとお友達の方はいらっしゃると思います。

はい、そのChatGPTこそがディープラーニングを使っているのです。

ディープラーニングが使用されている例としては、

• 画像認識：自動運転、画像生成、CT・MRIの画像から異常を検出など
• 音声認識：スマホの音声アシスタント、自動音声翻訳など
• 自然言語処理：自動翻訳サービス、対話型AI（ChatGPT）など

おぉ……まさにこの現代の生活を支えてくれていますね。

私が日本産業保健法学会に行った時に三宅琢先生のお話を聞いたのですが、
生成AIは、視覚障害がある方の生活を支え、豊かにしてくれるようです。
ペットボトルをスマホのカメラにうつして「これはなんですか？」と音声で尋ねると、「これはペットボトルです。水が350ml入っています。」等と詳細を教えてくれます。

そう、これもディープラーニングの技術を使ったものなのです。

おわりに

ディープラーニングは、人間の脳のように「経験から学ぶAI」です。

しかし完璧なわけではなく、「どういうデータを与えるか」「どんな層構造にするか」で、まるで育て方の違う新人ナースのように成長が変わります。

次回からは、ディープラーニングの世界を詳しく探検していきます！
お楽しみに！！！