【G検定対策】KLダイバージェンス・交差エントロピーとは？｜確率分布のズレと損失関数の関係を整理
seo-webmaster
G検定対策ブログ
【G検定対策】CNN・RNN・Transformerの違いをわかりやすく整理
seo-webmaster
プロモーションが含まれています
AI・ディープラーニングを学ぶと、次の3つの用語がよく出てきます。
- CNN
- RNN
- Transformer
どれも重要なモデルですが「何が違うのか分かりにくい」と感じる方も多いのではないでしょうか。
G検定では必ずと言っていいほど出題される項目です。
モデルとは『AIがデータをもとに判断するための「仕組み」や「計算のルール」のこと』です。
この記事ではそれぞれの違いを図解イメージでシンプルに整理します。
画像の文字が多いのでパソコンでご覧になることおおすすめします。
クリックすると画像が拡大表示されます。
ジャンプするもくじ
CNN・RNN・Transformerとは？
CNN（※1）
画像を見るのが得意
RNN（※2）
時間の流れを理解する
Transformer（※3）
単語同士の関係を理解する
まずはこの3つを押さえればOKです。
※1：畳み込みニューラルネットワーク
※2：再帰的ニューラルネットワーク
※3：トランスフォーマー
| モデル | 正式名称 | 一言でいうと |
|---|---|---|
| CNN | Convolutional Neural Network 畳み込みニューラルネットワーク |
画像の特徴を見つけるのが得意なモデル |
| RNN | Recurrent Neural Network 再帰型ニューラルネットワーク |
時間の流れや順番を扱うのが得意なモデル |
| Transformer | Transformer トランスフォーマー | データ全体の関係性を一度に見るのが得意なモデル |
CNNとは？（画像に強いモデル）
CNN（畳み込みニューラルネットワーク）は
画像の特徴を段階的に抽出するモデル
です。
例えば犬の画像なら
- エッジ（輪郭）
- 形
- パーツ（耳・目）
といった特徴を順番に抽出していきます。
主な用途
- 画像分類
- 物体検出
- 顔認識
RNNとは？（時系列データに強い）
| 基本イメージ | 過去の情報を引き継ぎながら、順番に処理するモデル |
| 処理の例 | 「私」→「は」→「ご飯」→「を食べた」のように、前の情報を次へ渡しながら理解する |
| 特徴 | 順番に処理する。過去の情報を使う。時系列データを扱いやすい。 |
| 得意なこと | 文章、音声認識、時系列予測 |
| 注意点 | 長い文章では、遠い過去の情報を保持するのが苦手 |
RNN（再帰型ニューラルネットワーク）は
過去の情報を引き継ぎながら処理するモデル
です。
文章でいうと
- 「私は」→「ご飯を」→「食べた」
のように、前の情報が次に影響します。
主な用途
- 文章生成
- 音声認識
- 株価予測
Transformerとは？（言語処理に強い）
| 基本イメージ | すべての単語同士の関係を一度に見るモデル |
| 処理の例 | 「私」、「は」、「ご飯」、「を」、「食べた」の関係を同時に確認する |
| 重要な考え方 | Attentionにより、どの単語とどの単語が関係しているかをつかむ |
| 得意なこと | 翻訳、要約、質問応答、文章生成 |
| 強み | 長い文章でも、離れた単語の関係をつかみやすい |
Transformerは
データ全体の関係性を一度に捉えるモデル
です。
従来のRNNは順番に処理していましたが、Transformerは
- 単語と単語の関係
- 文全体の意味
を同時に理解できます。
主な用途
- ChatGPTのような生成AI
- 翻訳
- 要約
RNNとTransformerの違い
RNN と Transformer 似ているな？と思いませんか？
似ているようですが、ちょっと違います。
| 項目 | RNN | Transformer |
|---|---|---|
| データの見方 | 前から順番に見る | 全体を一度に見る |
| 処理のしかた | 前の情報を引き継ぎながら、1つずつ処理する | 単語同士の関係を同時に確認する |
| 得意なデータ | 音声、時系列データ、順序が重要なデータ | 文章、翻訳、要約、文章生成 |
| 強み | 順番や時間の流れを扱いやすい | 遠い単語同士の関係をつかみやすい |
| 覚え方 | RNN＝順番に処理する | Transformer＝全体の関係を見る |
RNN（再帰型ニューラルネットワーク）
- 「私 → は → ご飯 → を → 食べた」
- 1つずつ処理する
- 前の情報を少しずつ引き継ぐ
Transformer
- 単語同士を一気に比較
- 「ご飯」と「食べた」の関係も即座に把握
比較表で整理
表でするとこうなります。
| 項目 | CNN | RNN | Transformer |
|---|---|---|---|
| 得意なデータ | 画像データ 写真、動画など |
時系列データ 文章、音声、株価など |
言語データ 文章、会話、翻訳など |
| データの扱い方 | 画像の中から、局所的な特徴を抽出する | 前の情報を引き継ぎながら、順番に処理する | すべての関係性を一度に見て、全体を理解する |
| イメージ | 画像の一部に注目し、特徴を見つけて分類する | 文章や音声を前から順番に読みながら理解する | 単語同士の関係を同時に見て、文章全体を理解する |
| 主な用途 | 画像分類、物体検出、顔認識、医療画像解析 | 文章生成、音声認識、時系列予測 | 機械翻訳、要約、質問応答、ChatGPTなどの生成AI |
| 強み | 画像の特徴抽出が得意。画像認識で高い精度を出しやすい。 | 順番や時間の流れを扱いやすい。長さが変わるデータにも対応しやすい。 | 長い文章でも関係性を捉えやすい。並列処理ができるため学習が速い。 |
| 弱み | 時系列データや文章の文脈理解は苦手。遠い関係性の理解は難しい。 | 長いデータでは前の情報を保ちにくい。並列処理がしにくく、学習が遅くなりやすい。 | 計算コストが大きい。データ量が少ないと性能を発揮しにくい。 |
G検定ではどう問われる？
G検定では、用途との対応がよく問われます。
画像
CNN
時系列
RNN
NLP
Transformer
この対応関係は重要なので覚えておきましょう。
NLPとは「Natural Language Processing（自然言語処理）」の略称
予想問題
※：あくまで予想です
■第1問
画像認識タスクに最も適しているモデルはどれか。
- A. RNN
- B. CNN
- C. Transformer
- D. 強化学習
- 正解（クリックで開きます）
-
■解答
B
■解説
CNNは畳み込み処理により画像の特徴（エッジ・形状）を抽出するのが得意。
画像系＝CNNは鉄板
Q
■第2問
時系列データ（株価・音声など）の処理に最も適したモデルはどれか。
- A. CNN
- B. RNN
- C. Transformer
- D. 線形回帰
- 正解（クリックで開きます）
-
■解答
B
■解説
RNNは過去の情報を保持しながら処理する構造。
順番が重要なデータ＝RNN
Q
■第3問
次の説明として誤っているものはどれか。
- A. CNNは画像処理に強い
- B. RNNは長期依存関係の問題がある
- C. Transformerは並列処理が可能
- D. RNNは画像認識に最も適している
- 正解（クリックで開きます）
-
■解答
D
■解説
- CNN → 画像
- RNN → 時系列
- Transformer → 言語・汎用
役割の取り違えが重要ポイント
Q
まとめ
CNN
画像（特徴を見つける）
RNN
時系列（順番に理解する）
Transformer
言語（関係性を一度に理解する）
この3つは、それぞれ得意分野と処理の考え方が異なります。
- CNNは画像の中から重要な特徴を抽出する
- RNNはデータの流れや順序を重視して処理する
- Transformerはデータ全体の関係性を同時に捉える
という違いがあります。
この対応関係を押さえておくだけでも、
どのモデルがどんな問題に使われるのか
が一気に理解しやすくなります。
まずはこの3つの違いをしっかり押さえておけば、ディープラーニングの全体像がかなりクリアになります。
関連記事・おすすめ記事
CNN・RNN・Transformerの違い に続けて読んで欲しい記事です。
| おすすめ記事 | 確認できる内容 |
|---|---|
| Transformerとは？ | 文章全体を見る仕組み／Attentionとの関係／RNNとの違い |
| CNN・RNN・Transformer予想問題 | CNN・RNN・Transformerの違い／引っかけポイント／理解型の問題演習 |
| 活性化関数とは？ | ニューラルネットワークでの役割／ReLU・シグモイド・ソフトマックス／損失関数との違い |
| 教師あり・教師なし・強化学習の違い | 正解ラベルを使う学習／正解なしで構造を見る学習／報酬で行動を改善する学習 |
| 音声処理とは？ | 音声データ／音声認識／音声合成／スペクトログラム／CNN・RNN・Transformerとの関係 |
| G検定の出題割合予測 | 重点的に学ぶ分野／体感ベースの出題傾向／勉強時間配分の考え方 |
| G検定合格体験談 | 1回落ちた経験／合格までの勉強戦略／時間配分と問題数の体感 |
重要用語・混同しやすい用語チェックシート
G検定で重要な用語をチェックシートとしてまとめました。
G検定で混同しやすい用語をチェックシートとしてまとめました。
公式テキスト・おすすめ問題集
公式テキスト
Amazonで確認
楽天市場で確認
合格時に使用した問題集
Amazonで確認
楽天市場で確認
※：1回目の受験の際、定番と言われている黒い問題集も購入しましたが、本番とは乖離している印象でした。
書いている人
このブログの運営者です。文系出身です。SEO検定1級、ウェブマスター検定1級を取得しました。ブログ運営には「AIの活用は必須」と思いG検定を取得しました。G検定は簡単といわれがちですが1回目は不合格でした。その失敗経験を元に、これから受験する方の助けになればとできるだけわかりやすくG検定対策は解説しています。間違い等あればご指摘いただければ幸いです。
