深層学習

解説

深層学習は、機械学習のうち、多層のニューラルネットワークを使う手法を指します。深層学習は、音声認識や自然言語処理の精度を大きく引き上げてきた技術です。さらに、ChatGPTなどの生成AIの中核である大規模言語モデル（LLM）も、Transformerと呼ばれる深層学習のモデル構造をもとにしています。

ただし、サポートの現場で深層学習を直接操作する場面はほとんどありません。したがって、音声認識エンジンやチャットボットの内部で動いている仕組み、という位置づけで理解しておけば足ります。

仕組み

深層学習では、判断の手がかりを人が設計する必要がありません。従来の機械学習では、何を手がかりに判断させるかを人が決め、数値化する工程が必要でした。一方で、深層学習は、多層のネットワークにデータを通す過程で、判断の手がかりとなる特徴そのものをデータから学習します。そのため、音声の波形や自由記述の文章のように、人が特徴を言葉で説明しにくいデータも扱えます。ただし、引き換えに、必要な学習データの量と計算資源は大きくなります。

注意点

深層学習のモデルでは、判断の根拠が多層の重みに分散するため、なぜその答えを返したのかを人が追いにくい性質があります。そのため、誤った出力への対処方法がルールベースとは異なります。たとえば、ボットが誤った回答をしたとき、ルールベースのように該当箇所を書き換えて即座に修正する、という対処ができません。学習データを追加して再学習させる、前後にルールによる制御を挟むといった、間接的な手当てになります。

したがって、顧客に理由を説明する必要がある判断は、深層学習の仕組みだけに任せないようにします。