ニューラルネットワークとは何か？

人工ニューラルネットワーク（ANNs）とは何か?

多くのAIの進歩は人工ニューラルネットワークによって推進されています。人工ニューラルネットワーク（ANNs）は、人間の脳にあるニューラルネットワークにインスパイアされた形式で結合された数学関数の集合です。これらのANNは、データから複雑なパターンを抽出して、未見のデータにこれらのパターンを適用してデータを分類/認識することができます。このように、マシンは「学習」します。これはニューラルネットワークの簡単な概要ですが、ニューラルネットワークについてより深く理解するために、詳しく見てみましょう。

マルチレイヤーパーセプトロンについて

より複雑なニューラルネットワークを見る前に、ANNのシンプルなバージョンであるマルチレイヤーパーセプトロン（MLP）を見てみましょう。

工場の生産ラインを想像してみましょう。この生産ラインで、1人の作業者がアイテムを受け取り、少し調整して、次の作業者に渡します。このプロセスは、最後の作業者がアイテムに最終的な調整を加えて、工場から出荷するまで続きます。このアナロジーでは、生産ラインには複数の「レイヤー」があり、製品は作業者から作業者へ移動します。生産ラインには入力ポイントと出力ポイントもあります。

マルチレイヤーパーセプトロンは、3つのレイヤー（入力レイヤー、隠しレイヤー、出力レイヤー）で構成される非常にシンプルな生産ラインと考えられます。入力レイヤーはデータがMLPに供給される場所であり、隠しレイヤーでは何らかの数の「作業者」がデータを処理して出力レイヤーに渡します。MLPの場合、これらの作業者は「ニューロン」（またはノード）と呼ばれ、データを処理するときに一連の数学関数を使用します。

ネットワーク内には、ノードとノードを接続する構造があり、「重み」と呼ばれます。重みは、データがネットワークを通過するときのデータポイントの関係についての仮定です。別の言い方をすると、重みは1つのニューロンが別のニューロンに与える影響のレベルを反映します。重みは、現在のノードを出るときに「活性化関数」と呼ばれる数学関数を通過します。この関数は、データを変換して非線形表現にします。これにより、ネットワークは複雑なパターンを分析できます。

「人工ニューラルネットワーク」という用語が人間の脳を暗示するのは、人間の脳を構成するニューロンがANNのノードと同様の方法で結合されているためです。

マルチレイヤーパーセプトロンは1940年代から存在していますが、特に有用になることを妨げていたいくつかの制限がありました。しかし、過去数十年で、「バックプロパゲーション」と呼ばれる技術が開発され、ネットワークがニューロンの重みを調整してより効果的に学習できるようになりました。バックプロパゲーションは、ニューラルネットワーク内の重みを変更して、ネットワークがデータ内の実際のパターンをよりよく捉えることができます。

ディープニューラルネットワーク

ディープニューラルネットワークは、MLPの基本的な形式を取り、それをより大きなものにするために中間のモデルにさらに多くの隠しレイヤーを追加します。したがって、入力レイヤー、隠しレイヤー、出力レイヤーがあるのではなく、中間には多くの隠しレイヤーがあり、1つの隠しレイヤーの出力が次の隠しレイヤーの入力となり、データがネットワークを通過して返されるまで続きます。

ディープニューラルネットワークの複数の隠しレイヤーは、従来のマルチレイヤーパーセプトロンよりも複雑なパターンを解釈できます。ディープニューラルネットワークの異なるレイヤーは、データの異なる部分のパターンを学習します。たとえば、入力データが画像である場合、ネットワークの最初の部分はピクセルの明るさや暗さを解釈し、後のレイヤーは画像内の物体を認識するために使用できる形状やエッジを抽出します。

ニューラルネットワークの種類

ニューラルネットワークにはさまざまな種類があり、それぞれのニューラルネットワークの種類には独自の長所と短所（そしてそれぞれのユースケース）があります。上で説明したディープニューラルネットワークの種類は、最も一般的なニューラルネットワークの種類であり、フィードフォワードニューラルネットワークと呼ばれることがよくあります。

ニューラルネットワークの1つのバリエーションは、再帰型ニューラルネットワーク（RNN）です。再帰型ニューラルネットワークの場合、ループメカニズムを使用して、前の分析の状態からの情報を保持します。つまり、順序が重要なデータからパターンを解釈できます。RNNは、順序付き/時間順のデータからパターンを抽出するのに役立ちます。再帰型ニューラルネットワークは、単方向または双方向のいずれかになります。双方向のニューラルネットワークの場合、ネットワークはシーケンスの後の情報だけでなく、シーケンスの前の情報も考慮します。双方向のRNNは、より多くの情報を考慮するため、データから正しいパターンを抽出することができます。

畳み込みニューラルネットワーク（CNN）は、画像内のパターンを解釈することに特化した特殊なニューラルネットワークです。CNNは、画像のピクセル上にフィルタを適用して、画像内のピクセルの数値表現を取得し、それをパターン解析のために使用します。CNNは、画像からピクセルを抽出する畳み込みレイヤーが最初に来て、実際に物体を認識する密接に結合されたフィードフォワードレイヤーが続くように構造化されています。