astavisionが企業・特許情報のビッグデータ分析により、今後成長が見込まれる市場を180の分野に分類した「180の成長市場」。近日公開予定の「機械学習・深層学習（Deep Learning）」市場コンテンツについてひと足お先にプレビューする。
「機械学習・深層学習（Deep Learning）」とは
2012年6月26日、Google Official Blog は、ネコと思しき1枚の画像とともにあるニュースを伝えた。
自動運転車や拡張現実、スマートコンタクトレンズなどの研究開発を進める 「Google X Lab」 は、同社コンピュータ群上に分散構築した大規模なニューラルネットワーク（人工知能の一種）に1週間にわたり、YouTubeの動画をランダムに見せ続け学習させたところ、コンピュータが自ら「ネコ」を認識する能力を獲得したという。コンピュータにあらかじめ、ネコについて示唆を与えたわけでもなく、また、ネコの画像を意図的に多く見せたわけでもないのに、いわば、新生児の脳（newborn brain）が、「自己教示学習（self-taught learning）」により、ネコの概念を発見したのだ。
1959年、米国IBM社のコンピュータサイエンティスト（後にスタンフォード大学教授）の Arthur Samuel は、機械学習（machine learning） を、「明示的にプログラミングすることなく、コンピュータに学習能力を与える研究分野（Field of study that gives computers the ability to learn without being explicitly programmed.）」と定義した。
一方、Google Official Blogに猫の画像を投稿した一人、Andrew Ng（スタンフォード大学準教授）は、機械学習とは、「明示的にプログラミングすることなく、コンピュータに行動を起こさせる科学（the science of getting computers to act without being explicitly programmed ）」だという。より自律的・行動的イメージが感じられる。
機械学習は、1940年代から始まった人工知能研究の中から生まれた計算手法であり、コンピュータ自ら、与えられたデータの中から、特徴やパターン、法則性を見出し、階層構造やクラスタ構造に分類したり、現状把握、動向分析、将来予測をすることなどを目的に開発されてきた。
確率論や多変量解析、計算論的学習理論、情報理論、統計力学や量子力学、アルゴリズムなど様々な分野と関連性を持ちながら発展を遂げ、現在までに、顔認証や文字・画像・音声の認識、自然言語処理やウェブ検索、ウェブ翻訳、ゲノム構造解析、化合物の反応性予測、株価予測、ショッピングサイトやSNSにおけるレコメンド機能等々の分野で実用化されている。まさに、GoogleやAmazon、Facebookなどのビジネスモデルを支える基幹技術でもある。
また、Googleは「Prediction API」、Microsoftは「Azure Machine Learning」、 Amazonは「Amazon Machine Learning」というそれぞれのクラウド機械学習サービスを提供している。いずれも一連の予測モデルをサポートしており、APIで入力変数の値を送信すると、目的変数の予測値を受け取れるというものだ。
ビッグデータの時代に入り、機械学習はますます重要性を高め、多言語コミュニケーション、自動運転システム、サイバーセキュリティ、そして本格的な人工知能（強いAI）などを実現できる高度な技術が求められている。
2012年を機に、音声認識や画像認識で飛躍的進化をもたらした深層学習（deep learning）やそのコアをなす表現学習 (feature learning、representation learning) が注目を浴びているが、その源流は、1943年に発表された一つの論文*1)に発する。シナプスに信号が入力されると、その信号に応じて新たな信号の発火が起こり、それが次のシナプスに伝播するという、ヒトの脳の神経ネットワークを模した計算モデル（McCulloch-Pittsモデル）の提案がそれだ。これが後のニューラルネットワーク（生物の神経ネットワークの構造と機能を模倣する学習アルゴリズム）の出発点となる。
冒頭に掲げたGoogleのネコを認識したシステムも、ニューラルネットワーク上での深層学習の例である。
*1) McCulloch, W. and Pitts, W. , “A logical calculus of the ideas immanent in nervous activity”. Bulletin of Mathematical Biophysics, 7: 115 – 133, (1943)
「機械学習・深層学習（Deep Learning）」の2025年グローバル市場規模
機械学習・深層学習の活躍分野は既に、顔認証や文字・画像・音声の認識、自然言語処理やウェブ検索、ウェブ翻訳、ゲノム構造解析、化合物の反応性予測、株価予測、ショッピングサイトやSNSにおけるレコメンド機能等々に及び、今後、人工知能、ロボット、クルマ、医療、宇宙・深海を含むフロンティア開発、資源探査、環境、エネルギーとますます広がっていくだろう。俯瞰的に見ると、これらはMEMSが活躍する分野とほぼ一致する。
米国IDC社は、2015年のビッグデータ解析市場を1250億米ドル（≒15兆円）と見込んでいる。*2)
astavisionでは、2015年時点での機械学習・深層学習関連のグローバル市場規模を、300億米ドル（≒3.6兆円）と予想している。そこで、年間平均成長率（CAGR）を30%と仮定し、2025年段階での機械学習・深層学習関連のグローバル市場規模は、年間4136億米ドル（≒49.63兆円）と推計している。
*2)6 Predictions For The $125 Billion Big Data Analytics Market in 2015
近日公開予定の「機械学習・深層学習（Deep Learning）」市場コンテンツでは、この市場の最新技術や関連して発展する市場、活躍できる職種などが紹介される。