AI・ML・DLの違いとは？機械学習と深層学習の関係と使い分けを原典と実測で解説

AI（人工知能）・ML（機械学習）・DL（深層学習、ディープラーニング）は並列の3技術ではなく、AI ⊃ ML ⊃ DLという入れ子の関係にあります。AIは目指す目的（研究分野）の名前、MLはその目的をデータからの学習で実現する手法群、DLはMLのうち多層のニューラルネットワークを使う手法です。

本記事では、3語の定義をそれぞれの原典（1955年のダートマス会議提案書、1959年のSamuelの論文、2015年のNature誌の総説、2025年公布のAI法）で確かめ、MLとDLの違いを「特徴量を誰が作るか」「必要なデータ量と計算資源」で比較します。業務でどちらを選ぶかの判断材料として、表形式データでは深層学習が勝つとは限らないという研究結果を、公開データでの実測とあわせて示し、需要予測や外観検査など業務課題ごとの選び分けも整理します。

まとめ：AI・ML・DLの違いと選び分けの要点

• 包含関係：AIが最も広く、その中に機械学習、さらにその中に深層学習があります。深層学習はAIでもあり機械学習でもあります。
• AI：人の認知・推論・判断を機械で代替しようとする取り組み全体です。ルールを人が書き込むシステムもAIに含まれます。
• ML：規則を人が細かく書く代わりに、データ（経験）からコンピュータに規則を学ばせる手法群です。
• DL：多層のニューラルネットワークで、データの特徴（表現）まで自動で学ぶ機械学習です。
• MLとDLを比較する主な観点は、特徴量の設計をどこまで人が担い、どこまでモデルが学ぶかです。画像・音声・文章ではDL、行と列の表形式データでは勾配ブースティングなど従来の機械学習が今も有力です。
• 実測：約2万行の住宅価格データでは、勾配ブースティングが決定係数0.838、隠れ層2層のニューラルネットが0.788で、学習時間も1.0秒対15.8秒でした。表データは勾配ブースティングから始めるのが妥当です。
• 生成AI・LLMは深層学習の内側に位置します。LLMのほとんどはTransformerという構造を土台にしていますが、画像生成の拡散モデルのように別の構造を使う生成AIもあります。
• 「AI/ML」表記は製品分類や職種名で使う総称です。AWSは、学習済みで呼び出すだけの「AIサービス」と、自社データでモデルを作る「MLサービス」を別の層に分けています。

以下で、各用語の定義、MLとDLの比較、実測と業務別の選び分け、略記の意味の順に解説します。

AI・ML・DLの包含関係と3語それぞれの定義

3語は「目的」「手段」「手段の中の一手法」という階層で並びます。機械学習を使わないAI（人が書いたルールで動くエキスパートシステムなど）はありますが、AIに含まれない深層学習はありません。

AI（人工知能）：1955年の研究提案と日本のAI法第2条の定義

「artificial intelligence」という語は、John McCarthy、Marvin Minsky、Nathaniel Rochester、Claude Shannonの4名が1955年8月付で出したダートマス夏季研究計画の提案書で使われました。McCarthy本人も、この提案書が自分の知る限りこの語の最初の使用だと書いています。提案書は研究の前提を「学習をはじめ知能のあらゆる側面は、原理的には機械で模倣できるほど正確に記述できる」という推測に置いており、学習（learning）は最初からAIの主題の一部でした。

日本の法令では、2025年6月4日公布の「人工知能関連技術の研究開発及び活用の推進に関する法律」（令和7年法律第53号、通称AI法）第2条が、人工知能関連技術を「人工的な方法により人間の認知、推論及び判断に係る知的な能力を代替する機能を実現するために必要な技術」などと定義しています。この定義は学習するかどうかを要件にしておらず、AIを機械学習より広い概念として扱う整理と一致します。なお、2016年12月14日公布の官民データ活用推進基本法（平成28年法律第103号）第2条第2項も「人工的な方法による学習、推論、判断等の知的な機能の実現」などと人工知能関連技術を定義しており、こちらは学習を例示の筆頭に置いていました。AIの種類や業務での用途はAIとは？人工知能の意味・種類・仕組みを法令の定義と歴史から解説で扱っています。

ML（機械学習）：Samuelが1959年に示した「経験から学ぶ」プログラム

機械学習の初期の代表的な論文が、IBMのArthur Samuelが1959年7月にIBM Journal（Vol.3, No.3）へ発表した論文「Some Studies in Machine Learning Using the Game of Checkers」です。Samuelは、方法を細部まで指定するプログラミングは時間と費用がかかるとしたうえで、「経験から学ぶようにコンピュータをプログラムすれば、こうした細かなプログラミング作業の多くはいずれ不要になるはずだ」と述べています。論文の要旨では、ルールと手がかりの候補を与えただけのチェッカー（西洋碁）のプログラムが、8〜10時間の対局で作者より上手に指せるまで学習したと報告しています。

なお、機械学習の定義としてよく引かれる「明示的にプログラムしなくても学習する能力をコンピュータに与える研究分野」という一文は、この1959年論文の本文にはありません。Samuelの定義として引用する場合は、論文の原文と区別して扱う必要があります。

機械学習の3つの学習方式：教師あり・教師なし・強化学習

機械学習の代表的な学習方式には、正解ラベルから学ぶ教師あり学習、ラベルなしデータの構造を学ぶ教師なし学習、環境とのやり取りで得る報酬から学ぶ強化学習があります。

学習方式と、深層学習を使うかどうかは別の軸です。教師あり学習は勾配ブースティングでも深層学習でも行えますし、囲碁AIのAlphaGoは、2016年のNature誌の論文題（Mastering the game of Go with deep neural networks and tree search）のとおり、深層ニューラルネットワークを強化学習と探索に組み合わせた例です。「深層学習は機械学習の一種」というのは、この3方式のどれにも深層学習を使えるという意味でもあります。

DL（深層学習）：多層で表現を学ぶ手法とする2015年の総説

深層学習の定義として代表的に参照されるのが、Yann LeCun、Yoshua Bengio、Geoffrey Hintonの3名がNature誌（2015年、521巻436〜444ページ）に書いた総説「Deep learning」です。要旨の冒頭は「深層学習は、複数の処理層からなる計算モデルに、複数の抽象度をもつデータの表現を学習させる」という趣旨の一文です。ここでいう「深い」は層の数を指し、各層が前の層の出力を少しずつ抽象的な特徴に変えていきます。

層を構成するニューラルネットワークそのものの仕組み（重み・活性化関数・誤差逆伝播法）は、ニューラルネットワークとは？仕組み・種類・PyTorch実装まで実装目線で解説で実装例とあわせて解説しています。

ニューラルネットワークと深層学習の境目：層数の基準と定義の違い

ニューラルネットワークは脳の神経回路を模した計算の仕組みの名前で、深層学習はそれを多層に重ねて学習させる手法の名前です。つまりニューラルネットワークを使っていても、層が浅ければ深層学習とは呼ばない場合があります。

では何層から「深い」のかというと、決まった基準はありません。IBMの解説は「入力層と出力層を含む3層以上のニューラル・ネットワークは、ディープラーニング・アルゴリズムと考えることができます」としています。一方、深層学習の歴史を888本の文献でまとめたJürgen Schmidhuberの総説（2015年）は、浅い学習がどこで終わり深層学習がどこから始まるかについて「専門家との議論でも決定的な答えは出ていない」と書き、そのうえで便宜的に「深さ10を超える問題は非常に深い学習（Very Deep Learning）を要する」と定義しています。ここでの深さは、単純な層数ではなく、学習可能な因果的つながりをたどる経路に基づくものです。

実務では層数だけで線を引かず、LeCunらの説明に沿って「複数の処理層を通じ、複数の抽象度の表現を学んでいるか」を確認します。入力の列をそのまま重みづけするだけの浅いネットワークは、性質としては従来の機械学習に近い存在です。

MLとDLの違い：特徴量・データ量・計算資源の比較

MLとDLの違いは、次の表のように整理できます。深層学習も機械学習の一種なので、ここでの「ML」は深層学習以外の従来の機械学習（決定木、勾配ブースティング、ロジスティック回帰、SVMなど）を指します。

特徴量の作り手の違い：迷惑メール判定と画像判定の例

迷惑メールの判定を従来の機械学習で作る場合、「本文中のURLの数」「送信元ドメインが初見か」「特定の単語の出現回数」といった手がかり（特徴量）を人が決めて数値にし、モデルはその重みづけを学びます。精度は特徴量の出来に左右されます。特徴量の作り方と重要度の読み方は特徴量とは？機械学習での意味と作り方・重要度の見方を実装目線で解説【2026年版】で扱っています。

一方、写真に猫が写っているかを判定する場合、「耳の形」「毛の模様」を人が数値に落とすのは困難です。深層学習では画素の値をそのまま入力し、最初の層が輪郭、次の層が模様、さらに先の層が顔の部品といった具合に、判定に効く特徴をモデル自身が段階的に学びます。人手で特徴を決めにくいデータほど、深層学習の利点が大きくなります。

データ量と計算資源の差：AlexNetの学習規模

深層学習が画像認識の主流になった転機は、2012年の画像認識コンテストILSVRC-2012です。Hinton研究室のAlexNet（大会には7つのCNNの予測を平均した構成で出場）は、上位5候補に正解が入らない割合（top-5誤り率）で15.3%を記録し、2位の26.2%を大きく引き離しました。論文によると、単体のモデルは約6,000万個のパラメータと65万個のニューロンを持ち、約120万枚の画像で学習し、GTX 580（3GB）のGPU 2枚で5〜6日かかっています。

勾配ブースティングなどの従来の機械学習はCPUだけで学習できる場面が多いのに対し、深層学習は大量のデータとGPUを前提にしやすい手法です。自社で一から学習させる代わりに、公開済みの学習済みモデルを流用する転移学習を使えば、必要なデータ量と計算量を大きく減らせます。

表形式データで深層学習が勝つとは限らない理由と選び分けの基準

「深層学習のほうが新しく高性能」と考えがちですが、行と列からなる表形式データ、とくに1万件前後の中規模データでは当てはまらないことが多いと報告されています。Grinsztajn、Oyallon、Varoquauxの3名がNeurIPS 2022で発表した「Why do tree-based models still outperform deep learning on typical tabular data?」は、表形式の特徴を持つ45のデータセットで深層学習モデルと木系モデル（XGBoost、ランダムフォレストなど）を比較しました。結論は、約1万サンプル規模の中規模データでは、学習速度の差を考慮しなくても木系モデルが依然として最高性能というものです。

論文は差が生じる理由として、表形式データには予測に効かない列が混じりやすいこと、列ごとの意味を持つ元の座標軸を、回転に不変な学習手続きでは生かしにくいこと、目的変数が不規則に変化しやすいことを挙げています。いずれもニューラルネットワークが苦手とする性質です。

住宅価格データで勾配ブースティングとニューラルネットを比べた実測

論文の結論が別の公開データでも当てはまるかを、scikit-learnで読み込める公開データで比べた結果を示します。使ったのはCalifornia housing（1990年の米国国勢調査をもとにした20,640行×8列の表データで、目的変数は地区ごとの住宅価格の中央値）です。8割で学習し2割で評価して、勾配ブースティング（HistGradientBoostingRegressor、既定の設定）と、隠れ層2層のニューラルネット（MLPRegressor、各64ユニット、入力を標準化）を比べました。隠れ層2層は入力層と出力層を含めて4層になるので、上で紹介したIBMの目安では深層学習に入る規模です。

import time
from sklearn.datasets import fetch_california_housing
from sklearn.model_selection import train_test_split
from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.neural_network import MLPRegressor
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline
from sklearn.metrics import r2_score

X, y = fetch_california_housing(return_X_y=True)
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.2, random_state=0)

gbdt = HistGradientBoostingRegressor(random_state=0)
mlp = make_pipeline(StandardScaler(),
                    MLPRegressor(hidden_layer_sizes=(64, 64), max_iter=500,
                                 early_stopping=True, random_state=0))
for n in (1000, 5000, len(X_tr)):          # 学習に使う行数を変える
    for name, model in (("GBDT", gbdt), ("MLP", mlp)):
        t = time.perf_counter()
        model.fit(X_tr[:n], y_tr[:n])
        sec = time.perf_counter() - t
        print(n, name, round(r2_score(y_te, model.predict(X_te)), 3), round(sec, 1))

scikit-learn 1.6.1、Python 3.9.6、GPUを使わないIntel Core i9-9880Hでの結果は次のとおりです。決定係数（R2）は1に近いほど予測が当たっていることを示します。

3つの条件すべてで勾配ブースティングが上回り、差は行数が少ないほど開きました。データ分割と両モデルの乱数シードを1・2・3に変えて全件で3回やり直しても、勾配ブースティングが0.830〜0.844、ニューラルネットが0.779〜0.799で、順位は入れ替わっていません。表に掲載した実行では、学習時間は全件で約16倍の差でした。学習時間とその比率は、CPUの負荷や並列処理の設定などで変動します。

ただし、ニューラルネットの層の幅や学習率は調整しておらず、1つのデータセットの結果でもあります。表データ専用に設計された深層学習モデルを丁寧に調整すれば差は縮みえます。この実測から言えるのは「今回の住宅価格データと掲載した設定では、勾配ブースティングのほうが速く、精度も高かった」という点までです。勾配ブースティングの代表的な実装はLightGBMとは？勾配ブースティングの仕組みと特徴・XGBoostとの違いを実装例つきで解説で紹介しています。

業務課題別の選び分け：需要予測・故障予測・外観検査・問い合わせ分類

最初の候補は「データの形」で絞り、精度・説明可能性・推論時間・費用を比べて採用する手法を決めます。代表的な業務課題で、最初に試す手法を整理すると次のとおりです。

表データの課題では、まず勾配ブースティングで基準となる精度を出し、深層学習はその基準を上回るかを比べる対象にします。数千行のExcelデータしかない段階で「AIを入れるならディープラーニング」とGPU環境から整えるのは避けるべき進め方で、費用と時間が増えるうえ、上の実測のとおり精度でも届かないことがあります。需要予測の具体的な進め方は需要予測とは？AI・機械学習による手法とシステム導入の進め方を解説、画像を使う検査はAI外観検査とは？仕組み・ルールベースとの違いと導入判断を解説で解説しています。画像・音声・文章でも、学習データが数千件に満たない段階では一から学習させず、学習済みモデルの転移学習やAPIから始めるのが現実的です。

与信審査や医療の一次判定のように判断根拠の説明が求められる業務では、係数や特徴量の重要度を示せる従来の機械学習が扱いやすく、深層学習を使うならSHAPなどの説明手法を追加する費用を見込みます。手法の選び方はモデル解釈性とは？説明可能性との違いとSHAP・LIMEの選び方を実装目線で解説を参照してください。自社データでどちらが合うかの見極めから相談したい場合は、機械学習モデル開発の支援も用意しています。

AI・ML・DLの関係を変えた出来事の年表

AI研究では、ルールを人が設計する手法やデータから学ぶ手法が発展してきました。以下に、AI・ML・DLの歴史を理解するための代表的な出来事を示します。

見落とされがちなのは、Samuelが1959年の論文ですでに、機械学習の進め方を2つに分けていた点です。1つはランダムにつながった回路網に報酬と罰で学習させる「Neural-Net Approach」で、当時作れる回路網は小さく実用には遠いとされました。Samuelが採用したのはもう1つの、特定の用途に絞ったネットワークで、人が列挙した特徴の候補に対して符号と相対的な重みだけを学習させる線形多項式でした。特徴を人が用意し重みを機械が学ぶという点で、今日の従来型の機械学習とよく似ています。

2024年のノーベル物理学賞の授賞理由も「人工ニューラルネットワークによる機械学習を可能にした基礎的な発見と発明」で、ニューラルネットワークを機械学習を実現する手段として位置づけています。

生成AI・LLMの位置づけ：深層学習の内側と代表的な構造Transformer

ChatGPTなどの生成AIやLLM（大規模言語モデル）は、深層学習の内側に位置します。関係を4段で書くと「AI ⊃ 機械学習 ⊃ 深層学習 ⊃ LLM」です。

LLMで広く使われる構造は、2017年6月に公開された論文「Attention Is All You Need」が提案したTransformerです。それまで文章処理の主流だった再帰型・畳み込み型のネットワークを使わず、注意機構（attention）だけで構成したニューラルネットワークで、構造の詳細はTransformerとは？自己注意の仕組みとBERT・GPTの違いを実装目線で解説で説明しています。2020年5月に公開されたGPT-3の論文では、このTransformerを1,750億パラメータまで大きくしたモデルが、数例を示すだけで新しい言語タスクをこなせることが示されました。

生成AIと識別・予測型のAIの違いや、企業で使うときの判断基準はLLMとは？大規模言語モデルの仕組み・生成AIとの違いと企業導入の判断基準を解説を参照してください。

「AI/ML」「ML/DL」という略記の意味：AWSの3レイヤーで見る使い分け

「AI/ML」は「AIと機械学習」をまとめて呼ぶ総称で、クラウドの製品分類、求人の職種名（AI/MLエンジニア）、データ分析の部署名などで使われます。厳密な技術用語ではありませんが、製品の世界では「AI」と「ML」が指す範囲を分けて使うことがあります。

たとえばAWSの規範ガイダンス「人工知能と機械学習 (AI/ML)」は、機械学習へのアプローチを3つのレイヤーに分けています。最下位はML専門家向けのフレームワークとインフラ、中間はデータサイエンティストと開発者向けのMLサービス、最上位は「MLモデルを構築したくないユーザー向けの、人間の認識を模倣したAIサービス」です。

この分け方での「AI」は、本記事の包含関係でいうAIとは意味が違い、「学習済みで、すぐ使える機能」を指しています。「AI/MLで分析する」と言われたら、既製のAI機能を呼ぶ話か、自社データでモデルを作る話かを最初に確かめると、必要な体制と費用の見積もりを誤りません。提供形態ごとの主要製品はAIエンジンとは？仕組み・種類と主要AIの一覧、提供形態別の選び方で比較しています。

「ML/DL」と並べた場合は、機械学習と深層学習を指すのが一般的です。ただし小文字の「ml」「dl」は、計量単位のミリリットル・デシリットルを指すことも多く、検索するときは「機械学習」「深層学習」と日本語で補うと目的の情報に早くたどり着けます。単位としての違いは、よくある質問の最後で答えています。

よくある質問

MLとDLの違いを一言でいうと何ですか？

特徴量の設計と学習の分担です。従来の機械学習（ML）は判定の手がかりを人が設計することが多く、深層学習（DL）は多層のニューラルネットワークがデータから手がかりそのものを学びます。DLはMLの一種なので、対立する技術ではありません。

ディープラーニングはAIに含まれますか？

含まれます。ディープラーニングは機械学習の一手法で、機械学習はAIを実現する手法の一つなので、ディープラーニングはAIの一部です。逆に、人が書いたルールだけで動くAIのように、ディープラーニングを使わないAIもあります。

LLMや生成AIはAI・ML・DLのどこに位置づきますか？

代表的な生成AIやLLMは深層学習の内側に位置します。LLMにはTransformer以外の構造もありますが、深層ニューラルネットワークを使うため、「AI ⊃ 機械学習 ⊃ 深層学習 ⊃ LLM」の順に含まれます。

AIとMLの違いは何ですか？

AIは人の認知・推論・判断を機械で代替しようとする目的や分野の名前で、MLはそれをデータからの学習で実現する手法群です。MLはAIの一部ですが、人が書いたルールだけで動くエキスパートシステムのように、MLを使わないAIもあります。

ml・dl（ミリリットル・デシリットル）の違いは何ですか？

計量単位のmL（ミリリットル）とdL（デシリットル）の違いであれば、1dL＝100mLです。ミリは1,000分の1、デシは10分の1を表す接頭語なので、1L＝10dL＝1,000mLになります。本記事で扱っているのはIT用語のML（Machine Learning）とDL（Deep Learning）です。

関連記事

• AIとは？人工知能の意味・種類・仕組みを法令の定義と歴史から解説
• ニューラルネットワークとは？仕組み・種類・PyTorch実装まで実装目線で解説
• LLMとは？大規模言語モデルの仕組み・生成AIとの違いと企業導入の判断基準を解説
• 転移学習とは？ファインチューニング・特徴抽出との違いと実装判断を解説
• LightGBMとは？勾配ブースティングの仕組みと特徴・XGBoostとの違いを実装例つきで解説