【G検定対策】ニューラルネットワークとは？

ニューラルネットワークは、ディープラーニングを理解するうえで中心になる仕組みです。

ただし、「人間の脳をまねたもの」とだけ覚えると、重み・活性化関数・損失関数・誤差逆伝播法とのつながりが見えにくくなります。

G検定では、ニューラルネットワークそのものの定義だけでなく、AIがどのように入力を受け取り、予測し、間違いをもとに修正していくのかが問われます。

この記事では、ニューラルネットワークの全体像を、AIの学習をはじめたばかりの人にもわかりやすく整理します。

ニューラルネットワークとは？

ニューラルネットワークとは、入力されたデータをいくつもの層で処理し、最終的な予測や分類を行う仕組みです。

たとえば画像を入力すると、ニューラルネットワークは画像の特徴を少しずつ変換しながら、「これは犬か」「これは猫か」といった予測を行います。

一言でいうと、ニューラルネットワークは 入力をもとに予測を出し、その間違いを少しずつ修正していくモデル です。

ニューラルネットワークは、単に答えを出すだけではありません。
予測が間違っていた場合、その間違いをもとに内部の値を調整して、次の予測を少しずつ改善していきます。

ニューラルネットワークの基本構造

ニューラルネットワークは、主に以下の3つの層で構成されます。

入力層は、データの入り口です。
隠れ層では、入力された情報が何段階にも変換されます。
出力層では、最終的な予測結果が出されます。

たとえば画像分類なら、出力層では「犬である確率」「猫である確率」のような形で結果が出ます。

ニューラルネットワークは何を学習しているのか？

ニューラルネットワークが学習している中心は、重みです。

重みとは、入力された情報をどれくらい重要視するかを決める値です。

たとえば、画像の中に耳・目・輪郭などの特徴があったとき、どの特徴を強く見るかによって予測結果が変わります。

特徴

→

重みで重要度を調整

重みが合っている

→

予測が正解に近づく

重みがずれている

→

予測が外れやすい

つまり、ニューラルネットワークの学習とは、
正解に近づくように重みを調整していくこと と考えると理解しやすくなります。

ニューラルネットワークが予測する流れ

ニューラルネットワークでは、入力されたデータが前の層から後ろの層へ順番に伝わります。

この流れを大まかに整理すると、以下のようになります。

ここで重要なのが、活性化関数です。

活性化関数があることで、ニューラルネットワークは単純な直線的な処理だけでなく、複雑な関係も表現しやすくなります。

学習では何を修正しているのか？

ニューラルネットワークは、最初から正しい予測ができるわけではありません。

最初は重みがうまく調整されていないため、予測は外れます。
そこで、予測と正解の差を見て、内部の重みを少しずつ修正していきます。

このとき関係するのが、以下の用語です。

整理すると、以下の流れです。

予測する

↓

正解との差を測る

↓

どこを直すか計算する

↓

重みを少し更新する

↓

次の予測を改善する

ニューラルネットワークの学習は

　予測 → 間違いを測る → 重みを直す → もう一度予測する

という流れの繰り返しです。

ディープラーニングとの関係

ディープラーニングは、ニューラルネットワークの層を深くしたものです。

「ディープ」とは、隠れ層が多いことを指します。
層が多くなるほど、データの特徴を段階的にとらえやすくなります。

画像認識で使われるCNN、文章処理で使われるRNNやTransformerも、ニューラルネットワークをもとにした代表的な仕組みです。

ニューラルネットワークで混同しやすい用語

ニューラルネットワークでは、似た用語がまとめて登場するため混同しやすくなります。

特に、損失関数・誤差逆伝播法・勾配降下法 はセットで理解するのがおすすめです。

損失関数

＝

間違いを測る

誤差逆伝播法

＝

どこを直すか伝える

勾配降下法

＝

どう直すか決める

G検定ではどう問われる？

G検定では、ニューラルネットワークの細かい数式よりも、各用語の役割と流れ が問われやすいです。

特に、以下のような形で問われる可能性があります。

暗記だけで覚えるよりも

　入力 → 予測 → 間違い → 修正 → 改善

という流れで理解すると、関連用語をまとめて整理しやすくなります。

まとめ

ニューラルネットワークは、入力データをいくつもの層で処理し、予測や分類を行う仕組みです。

重要なのは、ニューラルネットワークを「脳をまねたもの」とだけ覚えないことです。

G検定対策では、以下の流れで理解しておくと整理しやすくなります。

データを入力する

↓

重みで重要度を調整する

↓

活性化関数で変換する

↓

予測を出す

↓

損失をもとに重みを修正する

ニューラルネットワークを理解すると、ディープラーニング、CNN、RNN、Transformer、誤差逆伝播法、損失関数、勾配降下法などのつながりが見えやすくなります。

まずは

　ニューラルネットワーク＝入力をもとに予測し、間違いを修正しながら学習する仕組み

と整理しておくとよいです。

関連記事・おすすめ記事

ニューラルネットワークの学習の流れを理解したら、重み・活性化関数・損失関数などの役割もあわせて確認しておくと理解しやすくなります。

ニューラルネットワークが実際に調整している値については、重みの記事で詳しく整理しています。

関連記事

【G検定対策】重みとは？｜AIが「どこを重要視するか？」を決める仕組みをわかりやすく整理

層の中で出力を変換する仕組みは、活性化関数の記事で確認できます。

関連記事

【G検定対策】活性化関数とは？わかりやすく整理

予測がどれくらい間違っているかを測る仕組みは、損失関数の記事で整理しています。

関連記事

【G検定対策】損失関数とは？わかりやすく整理

間違いをもとに重みを修正する流れは、誤差逆伝播法の記事で詳しく確認できます。

関連記事

【G検定対策】誤差逆伝播法とは？AIの反省会…

重みをどの方向に更新するかは、勾配降下法の記事で整理しています。

関連記事

【G検定対策】勾配降下法とは？わかりやすく整理

用語の意味をまとめて確認したい場合は、G検定で覚えたいAI用語一覧もあわせて読んでみてください。

こちらもおすすめ

【G検定対策】G検定で覚えたいAI用語一覧｜意味・違い・見分け方をわかりやすく整理

1回目不合格でした。不合格だった原因を分析しました。

こちらもおすすめ

【不合格体験談】G検定に落ちた原因｜「成功体験」と「過学習」が落とし穴

公式テキスト

Amazonで確認

Amazonで確認する

楽天市場で確認

楽天市場で確認する

合格時に使用した問題集

Amazonで確認

Amazonで確認する

楽天市場で確認

楽天市場で確認する

#G検定#検定試験

書いている人

運営者

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。