ディープラーニング（深層学習）

ディープラーニング（Deep Learning：深層学習）とは、3層以上の多層ニューラルネットワークを使って、大量のデータから複雑なパターンを自動的に学習する機械学習手法です。2012年のImageNet競争でのディープラーニングの圧勝が現代AIブームの転機となりました。

「ディープ（深い）」とは、ニューラルネットワークの層の数が多いことを指します。各層が前の層の出力を受け取って変換を行い、層を重ねることで「色のエッジ→形状→物体の部品→物体全体」のように、データの抽象的な特徴を段階的に学習できます。

ディープラーニングが革命的だった理由は、それ以前の機械学習では人間が手動で「特徴量」を設計する必要があったのに対し、ディープラーニングは生のデータから特徴量を自動的に獲得できるためです。これにより、画像・音声・テキストなど複雑なデータを扱う問題で飛躍的な性能向上が実現しました。

現代のLLM（大規模言語モデル）はすべてディープラーニングの一形態です。ConvNet（画像）、RNN（時系列）、Transformer（言語）など、タスクに応じた多様なアーキテクチャが発展しています。GPUの高い並列演算能力と大量のデータが揃ったことで、ディープラーニングの実用化が加速しました。