Q: ニューラルネットワークとディープラーニングの違いは何ですか？
ニューラルネットワークは、脳の神経回路を模した数学モデルの総称です。一方、ディープラーニング（深層学習）は、このネットワークを多層化（4層以上）した特定の技術を指します。歴史的には1960年代のパーセプトロンから始まりますが、計算能力の向上により2010年代に深層化が実用的になりました。
Archive & Knowledge Base
AI用語辞典・アーカイブ
1950年代の初期概念から現代の深層学習まで、ニューラルネットワークの進化を定義する重要語彙を体系的に網羅した専門アーカイブです。
アーカイブを閲覧するよくある質問と基本概念の整理
Q: 学習率（Learning Rate）の適切な設定が重要な理由は？
学習率は、モデルが一度のステップでどれだけパラメータを更新するかを決定するハイパーパラメータです。値が大きすぎると最適解を飛び越して発散し、小さすぎると収束に膨大な時間を要します。現代のアーキテクチャでは、Adamなどの自動調整アルゴリズムが主流となっています。
Q: 「ブラックボックス化」という用語は何を指しますか？
数億から数千億のパラメータを持つモデルにおいて、なぜ特定の入力に対してその出力が得られたのか、内部の論理プロセスを人間が解釈できない状態を指します。この解決のために、XAI（説明可能なAI）の研究が急速に進展しています。
Term Directory
CNN (畳み込みニューラルネットワーク)
画像処理において革命をもたらした構造。局所的な特徴を抽出する「畳み込み層」と、情報を圧縮する「プーリング層」で構成されます。1980年代のLeNetから発展しました。
詳細を読むBackpropagation (誤差逆伝播法)
出力結果と正解の誤差をネットワークの逆方向に伝え、重みを調整するアルゴリズム。1986年にラメルハートらによって再発見され、AI第2次ブームの火付け役となりました。
詳細を読むTransformer (トランスフォーマー)
2017年にGoogleが発表したアーキテクチャ。Attention機構により並列処理を可能にし、現在の生成AIブームの技術的基盤となりました。RNNの制約を克服した歴史的転換点です。
詳細を読む技術用語の変遷と現代的意義
AI分野における用語の進化は、単なる言葉の置き換えではなく、計算パラダイムの移行を象徴しています。かつて「コネクショニズム」と呼ばれた思想は、現在では「ディープラーニング」という実用的な呼称に集約されました。この変遷を理解することは、技術の限界と可能性を正しく評価するために不可欠です。
「過去の技術的失敗は、現在の計算資源不足に起因するものであり、理論そのものの破綻ではなかった。」
重要な3つの技術的転換点
- シンボリックAIからコネクショニズムへ: 明示的なルール（IF-THEN）による制御から、データからの統計的学習への移行。
- 教師あり学習の高度化: 大規模ラベル付きデータセット（ImageNet等）の登場による認識精度の飛躍的向上。
- 自己教師あり学習の台頭: ラベルなしデータから文脈を学習する手法により、言語モデルの規模が指数関数的に増大。
現代の用語体系において、特に注目すべきは「マルチモーダル」という概念です。これはテキスト、画像、音声など異なる種類のデータを一つのモデルで処理する能力を指し、かつての専門特化型AIから汎用AI（AGI）への大きな一歩となっています。産業への実装と変遷のセクションで詳しく述べている通り、これらの用語はすでにビジネス現場での共通言語となっています。
