1．基本を理解
読み方・用語解説- 読み方
- ディープラーニング（深層学習）
- 英語名
- Deep Learning
- 提唱者・年代
- 2012年頃にブームへ（HintonらのAlexNetがImageNet優勝が火付け役）
💡 豆知識——deep（深い）＝隠れ層を“深く”重ねる。ニューラルネットワークの“多層版”と思えばOK。
【セットで覚えたい関連用語】
2．意味（定義）と例え話
機械学習の一種。多層のニューラルネットワークを使い、大量のデータから特徴量を自動的に学習・調整する。画像認識・音声認識などで高精度を発揮。
ビッグデータ・計算力（GPU）・アルゴリズムの改善という3要素が2012年頃に揃い、AlexNetのImageNet優勝をきっかけに一気に広がった（第三次AIブーム）。
ルールを教わらずに“見ているだけで”写真に何が写ってるか分かる超感覚的な人みたいなもの。大量のデータから、形や質感といった特徴を自動で覚えていくんだ。
スマホの顔認証・音声アシスタント・ChatGPT・Gemini・自動運転など、現代AIの主力技術。
「特徴量を自動学習（レベル4）／2012年AlexNet・ImageNet／データ＋計算力＋アルゴリズムの3要素」が得点セット。
3．直前に理解（Q&A）
8問Q1. ディープラーニングとは？最頻出
機械学習の一種。多層のニューラルネットワークを使い、大量のデータから特徴量を自動的に学習・調整する。
Q2. ブームの火付け役は？最頻出
2012年、HintonらのAlexNetがImageNet画像認識コンペティションを優勝し、ディープラーニングが一気に広まった。
Q3. 発展の3要素は？最頻出
ビッグデータ・計算力（GPU）・アルゴリズム（ディープラーニング）。これらが揃ったのが第三次AIブームの原動力。
Q4. レベル3（機械学習）との違いは？頻出
レベル3では人間が特徴量を設計する。レベル4（DL）ではAIが特徴量を“自動学習”する。
Q5. 適用例は？頻出
画像・顔認識、音声認識、機械翻訳、自動運転、生成AIなど。
Q6. なぜ大量データが必要？頻出
パラメータ（重み）が非常に多いので、大量のデータでなければうまく学習できず過学習リスクも高い。
Q7. 「ディープラーニングは機械学習とは別物」は正しい？ひっかけ
誤り。DLは機械学習の“一種”。別物という記述は罠。
Q8. 位置づけは？親と子
AI ⊃ 機械学習 ⊃ ディープラーニング（多層ニューラルネットワーク）。
4. まとめ
ディープラーニングは、多層ニューラルネットワークで特徴を自動学習する機械学習の一種。2012年から第三次AIブームの主役。