ディープラーニングとは【図解でわかりやすく】

最終更新日：2026年7月15日

30秒でわかる結論

ディープラーニングは「特徴を自分で発見する」ことを可能にした革命的なAI技術。従来の機械学習が「猫には耳が丸い」などの特徴を人間が与えていたのに対し、ディープラーニングは多層のニューラルネットワークを重ねることで「何に注目すべきか」をデータから自動で学習します（特徴表現学習）。CNN・RNN/LSTM・トランスフォーマーはすべてディープラーニングの派生構造です。

ディープラーニング＝脳をまねたニューラルネットワークを深く重ねたもの。革命は「特徴の自動発見」。

ディープラーニングはG検定の中核テーマです。「特徴表現学習」「RNNとCNNの使い分け」「2012年ILSVRCとの関係」を図解で押さえましょう。

図解

解説

従来は「猫を見分けるには耳の形に注目しろ」と人間がヒント（特徴量）を与えていました。ディープラーニングは、何に注目すべきかすらデータから自分で発見します。これを「特徴表現学習（特徴量の自動獲得）」と呼び、G検定の超重要ポイントです。2012年の画像認識コンテストILSVRCでヒントン教授チームが圧勝し、第3次ブームの号砲となりました。

具体例

時系列データでのディープラーニング活用例：スマートスピーカーの音声認識はRNN→LSTM→トランスフォーマーと進化してきました。音声は「時間の流れに沿ったデータ」で、前の音を記憶しながら次の音を認識する必要があるため、順序を扱えるRNN系のモデルが活躍しました。また株価予測・気象予測・センサーデータ異常検知など「過去→現在→未来」の流れがあるデータはすべて時系列処理の領域です。

間違えやすい類似用語

機械学習：機械学習の大きな分類の一つがディープラーニング（深層学習）。機械学習が「人間が特徴を設計する」のに対し、ディープラーニングは「特徴を自動で学ぶ」点が本質的な違い。ニューラルネットワークを深く積み重ねたものがディープラーニングです。
RNN（再帰型ニューラルネットワーク）：RNNはディープラーニングの派生構造で、時系列・順序データの処理に特化。前の時刻の出力を次の時刻に循環させることで「過去の記憶」を持つ。ディープラーニング全体はより広い概念で、CNN（画像）・RNN/LSTM（時系列）・Transformer（言語）などを包含する。

覚え方

ディープ＝層が深い。革命＝特徴を自分で見つける（特徴表現学習）

試験での問われ方

G検定では「特徴表現学習（特徴量の自動獲得）＝ディープラーニング最大の革新」「2012年ILSVRCでのヒントン教授チームの圧勝が第3次AIブームの号砲」が最頻出。また「CNN＝画像」「RNN/LSTM＝時系列・文章」「Transformer＝LLM」という派生構造の使い分けも必ず問われます。「特徴を自分で見つける」という特徴表現学習の概念を軸に整理しましょう。