深層学習(ディープラーニング)って何?

ざっくり言うと

機械学習という大きなくくりの中の、一つの手法だと思ってください。広く使われる文章生成・画像生成・音声認識などの多くは、深層学習を土台にしています。

総務省『令和元年版情報通信白書』では、深層学習(ディープラーニング)について「人間の脳神経回路を模したニューラルネットワークを多層構造化したもの」と説明されています。そして、深層学習の登場が第3次AIブームの中心的なきっかけになった、と位置づけられています。

IBM とGoogleの解説でも、深層学習は複数の隠れ層を持つ深いニューラルネットワークを使う機械学習として説明されています。入力層を数えるかなどの数え方や境界の定義は資料によって異なるため、「合計3層以上」と一律には断定できません。

似た言葉でややこしいので、表で整理しましょう。

項目	機械学習(従来手法)	深層学習(ディープラーニング)
位置づけ	AI の中の一分野	機械学習の中の一手法
仕組み	人が特徴量を設計する手法が多い	有用な特徴表現の多くをデータから学習
層の数	ニューラルネット以外の手法も多く、層では比較できない	複数の隠れ層を持つ
得意な領域	表データ・数値予測など	画像・音声・自然言語など、複雑なデータ
データと計算	比較的少ないデータ・計算で有効な場合がある	一から大規模に学習する場合は多く必要になりやすい

「深層学習です」と言われたら、まずデータの種類を見ます。

このあたりは深層学習が使われやすい領域です。一方、店舗別の売上表や顧客属性の表だけを扱うなら、深層学習でなくても十分な場合があります。

大事なのは、名前の迫力ではなく「データの複雑さ」と「説明しやすさ」です。導入前に、なぜ深層学習が必要なのかを聞けると、過剰なAI導入を避けやすくなります。

まずは「表データなら機械学習、画像・音声・言語なら深層学習寄り」と仮置きするだけで十分です。

総務省の白書でも触れられている通り、2010年代に入って深層学習が実用レベルに達したことで、それまで「機械には難しい」とされていた領域がかなり実用化されました。代表的なのが次の3つです:

ChatGPTや主要な画像生成AIなど、広く使われる生成AIの多くも、深層学習を土台にしています。

次のステップとして、深層学習がどう応用されて ChatGPT のような「文章を作るAI」になったのかを知りたい方は、同じカテゴリの「LLMとは」「生成AIの仕組み」へ進んでみてください。

公開 2026年5月13日更新 2026年7月27日✓ 公式情報と照合: 7月27日