ディープラーニング 仕組みの土台となっているのは、人間の脳神経細胞の働きを工学的に再現した「ニューラルネットワーク」です。外部からの情報を受け取る「入力層」、情報の処理を行う「中間層（隠れ層）」、最終的な判定を下す「出力層」で構成されます。この中間層を何層にも深く（ディープに）重ねることから「深層学習」と命名されました。
学習のプロセスでは、各ノード（神経細胞に相当）同士のつながりの強さを示す「重み」と「バイアス」を微調整していきます。予測結果と実際の正解データのズレ（誤差）を算出し、そのズレを中間層へと逆方向に伝播させて数値を補正する「誤差逆伝播法（バックプロパゲーション）」と呼ばれるアルゴリズムが、驚異的な学習効率を支えています。
一口に深層学習といっても、扱うデータ種別によって適用される深層学習 アルゴリズム 種類は明確に分化しています。
- CNN（畳み込みニューラルネットワーク）：画像の空間的な配置やテクスチャを捉えることに長けており、深層学習 画像認識の基礎として医療診断や顔認証システムを牽引しています。
- RNN（再帰型ニューラルネットワーク）およびLSTM：時系列データや文脈の前後関係を保持する設計で、音声認識や翻訳の初期基盤を築きました。
- Transformer（トランスフォーマー）：データ内の各要素が互いにどう関係しているかを並列計算で測る「自己注意機構（Self-Attention）」を備え、深層学習 自然言語処理の勢力図を一変させました。現代の大規模言語モデル（LLM）の核心技術です。
