ニューラルネットワーク

単純な計算をする「ニューロン」を何層にもつなぎ、つなぎ目の強さをデータから学習させることで、複雑な判断ができるようにした仕組み。

各ニューロンは、入ってきた数値に重みを掛けて足し合わせ、その結果を次の層に渡すだけです。これを何層も重ねると、画像の見分けや文章の生成のような複雑な処理ができます。どの重みをどう直せば答えが正しくなるかを、出力の側から入力の側へさかのぼって計算する「誤差逆伝播法」を1986年にラメルハートらが広め、多層のネットワークを学習させられるようになりました^[1]。

2010年代に、大量のデータと計算能力がそろったことで、層を深くした「ディープラーニング」が成果を上げ、現在のAIの土台になりました^[2]。人が規則を書くのではなく、例から重みを自動で調整するため、できあがったネットワークがなぜその答えを出すのかは、作った本人にも分かりにくくなります。