ディープラーニングとアクティブラーニング、AIとの親和性

機械学習を実装するための手法が「ディープラーニング」。いわゆる人間の実践学習が「アクティブラーニング」と定義付けされています。この二つの学習理論はAIを語る上で非常に重要されています。今回はこの二つの学習理論をご紹介します。

■ディープラーニング（深層学習）

シンプルに言えば、沢山のデータを見ることによって、どこに注目すればよいかを自分で学習し、人間からの指示を待たずに自動でどんどん賢くなっていくことです。
これは「機械学習」の進化ということが出来ます。機械学習とは、ある着眼点をあらかじめプログラムすることにより仕分け判断を行なうものです。一方でディープラーニングは、その着眼点ごとAIが判断するのです。

例えば、「迷惑メール」
　・機械学習
自動送信されているURL付きメールを排除せよ。という司令を受けて、回数を重ねるごとにAIが学習し仕分けの精度が向上。
・ディープラーニング
利用者（人）にとっての迷惑メールを、開封状況や他の利用者の行動を分析した上で、「迷惑メールだ」と判断したものについて自らの判断でチョイス、提案。

ディープラーニングはよりディティールに富んだ対応が出来る一方で、あらかじめ与える情報を慎重に選ばないと、思わぬ方向に学習が進む可能性があります。

■アクティブラーニング（能動学習）

与えられた環境、情報から学習を行なうのではなく、自ら能動的に動き、課題や問題を発見し新たな知識を創造するのがアクティブラーニングです。簡単に言えばテスト勉強ではなく、自由研究ですね。
主に現代人の学習において頻繁に使われる用語で、専門的なスキルを身に付けるよりも、どのような場面においても成果を上げられるように、自主的な行動を身につけることが主体となっています。

AIの処理速度に人間は勝てないためディープラーニングの分野は今後ますますAIの登場機会が増えてくると考えられます。しかし、0か1のフラグしか存在しないAIにはアクティブラーニングの設計がありません。

例えば駐車場。
一つの駐車場内で「売上を上げるために効率的に運用せよ」というミッションを与えた場合、AIはディープラーニングを元に、車をとにかく収容できる動き方をします。
一方でアクティブラーニング側の人間は、それに＋で顧客満足度・再来店による中期的売上確保を目指して、お子さま連れを優遇したり、シニア層をケアしたりするのです。

この点を人間が高いレベルで取得することで、AIとの共生、業務の慎重かつ効率的運用が実現できると思われます。