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（ANN）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（ANN）は、人間の脳の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、未知のデータに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、機械は「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。

多層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、多層パーセプトロン（MLP）を見てみましょう。

工場の生産ラインを想像してください。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「層」があり、製品は層間を移動します。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。

多層パーセプトロンは、3つの層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。入力層、隠し層、出力層です。入力層ではデータがMLPに入力され、隠し層では何らかの数の「作業者」がデータを処理して、出力層に出力します。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適用します。

ネットワーク内には、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間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を通過します。これは、データを変換する種類の数学関数です。活性化関数は、線形データを非線形表現に変換し、ネットワークが複雑なパターンを分析できるようにします。

「人工ニューラルネットワーク」という名前が人間の脳にインスパイアされたものであるのは、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。

多層パーセプトロンは1940年代から存在していますが、いくつかの制限があり、特に有用ではありませんでした。しかし、過去の2つの10年間で、バックプロパゲーションと呼ばれるテクニックが開発され、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の重みを変更し、ネットワークが実際のデータ内のパターンをよりよく捉えることができるようにします。

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、モデルの中央に多くの隠し層を追加して拡大します。つまり、入力層、隠し層、出力層ではなく、中間にある多くの隠し層があり、1つの隠し層の出力が次の隠し層の入力となり、データがネットワークを通過して出力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中間にある多くの隠し層は、従来の多層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層は、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、後の層は形状やエッジを認識して、画像内のオブジェクトを認識するために使用します。

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。RNNの場合、ループメカニズムを使用して、前の分析状態からの情報を保持し、順序が重要なデータを解釈できます。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。RNNは、単方向または双方向のいずれかになります。双方向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半からの情報だけでなく、シーケンスの前半からの情報も取得できます。双方向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よりよく抽出できます。

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種類のニューラルネットワークです。CNNは、画像のピクセル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、パターンを分析することで機能します。CNNは、画像からピクセルを抽出する畳み込み層が最初に来て、次にオブジェクトを認識する密接に接続されたフィードフォワード層が続くように構成されています。