機械学習での「学習」と「推論」という言葉について説明したいと思います。もちろんディープラーニングでも「学習」と「推論」という言葉が使われます。
推論
機械学習では、回帰、分類、物体検出、セグメンテーション、自然言語処理、時系列情報予測など、機械学習に解かせたい問題があるはずです。ざっくり言うと、機械学習で問題を解くことを「推論」と言います。
例えば、図のように、画像の分類問題を解く機械学習に、実際写っているのが猫なのか犬なのかを答えさせるのが「推論」に当たります。
機械学習も万能ではないので、答えを間違えることもあります。なので、「問題を解く」ではなく「推論する」というのは、間違えることもありますよ、というニュアンスを含んだ、とてもしっくりくる言葉だと思います。英語だと「inference」とか「prediction」です。また、推論結果をチェックすることをvalidationとか、testとか、evaluationとか言ったりします。
学習
機械学習は、初期状態のままでは、まともに推論が行えません。必要になるのが、この「学習」というプロセスです。学習用データから特徴などを読み取り、正しい推論が行えるように、パラメータを鍛えていきます。
学習用データは、例えば、図のように猫の画像と猫というラベルがセットになったもの、犬の画像と犬というラベルがセットになったものなどを使います。もちろん、通常は、学習用には何枚もラベルがついた画像が必要になります。そういった学習に使えるデータを、データセットと呼んだりします。
機械学習では、学習を行っていない状態ではまともな推論が行えませんが、学習が進むにつれて推論精度がよくなっていったりします。人間の学習と同じような現象なので「学習」という言葉もしっくりくると思います。英語では「training」ということが多いです。
まとめ
ディープラーニングに限らず、機械学習で使われる「学習」と「推論」という言葉について説明しました。機械学習を扱うのだから「学習」という言葉はすぐにわかると思うのですが、私の場合は、はじめ「推論」という言葉を聞いたとき、なんのことか、さっぱりでした。機械学習では頻繁に使われる言葉なので、概念を覚えておきましょう。