深層学習（ディープラーニング）とは
深層学習（ディープラーニング）は、ニューラルネットワークの層を深く重ねて学習させる機械学習の手法です。人が「何に注目すべきか（特徴）」を設計しなくても、データから特徴そのものを段階的に学び取れる点が、従来の手法との大きな違いです。
画像認識を例にとると、浅い層では線や色の変化のような単純な特徴を捉えます。層が深くなるにつれて、目や車輪といった部品、さらに顔や車全体のような複雑な特徴を捉えるようになります。言語でも同じように、単語から文脈へと段階的に意味を捉えます。
深層学習が広がった背景には、大量のデータ、GPUなどの高速な計算機、学習方法の改良がそろったことがあります。画像認識や音声認識で大きな成果を上げ、言語では Transformer の登場によって大規模言語モデル（LLM）につながりました。
一方で、なぜその判断をしたのかを人が説明しにくいという課題があります。融資の審査のように判断の理由が求められる業務では、結果の検証と説明の方法をあわせて設計します。
具体例
製造ラインの外観検査
製品の画像を大量に学習させ、傷や汚れのある製品を見分けます。従来は「傷の長さが何ミリ以上なら不良」と人が基準を決めていましたが、深層学習は画像から特徴を自ら学びます。判定の難しいものは人が確認する運用にすると、見逃しと手間の両方を抑えられます。
会議の音声を文字にする
会議の録音を文字に起こす音声認識にも、深層学習が使われています。起こした文字を生成AIで要約すれば、議事録の下書きまでを短時間で作れます。固有名詞や専門用語は誤りやすいため、最後に人が確認します。