文系でもイメージでわかるAIの仕組み【順伝播・活性化関数】

🤔AIは「どうやって答えを出し、どうやって間違いを見つけるの？」

AIやE資格の勉強を始めて、最初に誰もがぶつかる壁。「書いてあることが日本語なのに、日本語が分からない。」😂

順伝播？ 活性化関数？ 損失関数？

一つひとつ調べても、結局なにを言っているのかピンとこないですよね。

でも安心してください！

この章が言いたいことは、実はたった一つだけです。
それは、「AIが問題を解いて、採点されるまでの流れ」。今回は、難解な教科書の言葉をスッキリ「現代語訳」してお届けします！

① 入力層（AIに問題を渡す）

まずは「入力」です。教科書には「入力層」なんて堅苦しい名前が付いていますが、現代語訳すると……
👉 「AIに問題を見せる場所（目や耳）」

ただそれだけです！
例えば、「リンゴの写真」や「犬の写真」などをAIに見せるステップ。
人間でいえば、目や耳で情報を受け取る部分にあたります。

② 順伝播（AIが頭の中で考える）

次は「順伝播（じゅんでんぱん）」です。漢字が並んでいて難しそうですが、「順」とは「前へ進む」という意味。
情報が「入力層」から「隠れ層（頭の中）」を通って「出力層（口）」へと前向きに流れていくため、順伝播（Forward Propagation）と呼ばれています。

人間で例えると、こんなステップそのものです。
 * 入力層：問題を見る（目）
 * 隠れ層：頭の中で考える（脳）
* 出力層：答えを言う（口）

💡 途中で出てくる「重み」ってなに？

図の中に出てくる「重み（weight）」という言葉。これは現代語に直すと、「つながりの強さ（重要度）」です。

たとえば、AIが犬を見分けるとき、耳の形・鼻・しっぽ・目のすべてが同じくらい重要とは限りません。
AIは「耳の形は超重要！」「目はそこそこ重要」というように、特徴ごとに重要度（重み）を持って判断しています。

(※ついでに出てくる「バイアス」は、AIごとのちょっとした「クセ」や「基準値」だと思っておけばOKです！)

③ 活性化関数（答えを人間が分かる形に変える）

ここが初心者にとって一番の「？？？」ポイントかもしれません。
実は、AIは最初から「これは犬です！」と言ってくれるわけではありません。
裏では 7.3 や -1.5 といった、人間には意味不明な数字を一生懸命計算しています。
そのまま出されても困りますよね。
そこで登場するのが「活性化関数」です！

👉 「AIの計算結果を、人間が使いやすい形に整える係」

目的によって、整え方は主に3つあります。

 🔵恒等関数（こうとうかんすう）
 * 変化： 数字をそのまま出す
 * 使う場面： 明日の「気温」「売上」「株価」など、数値そのものを予測したいとき
 🔵シグモイド関数 
* 変化： 数字を「0〜1（0%〜100%）」の確率に変える
* 使う場面：「猫である確率は90%」のような、二択問題（Yes/No）のとき
🔵ソフトマックス関数
   * 変化： 複数の選択肢の確率を全部足して「100%（合計1）」にする
   * 使う場面：「犬80%、猫15%、鳥5%」のように、3つ以上の選択肢から選ぶとき

✏️損失関数（AIの答案を採点する先生）

最後に「損失関数（そんしつかんすう）」です。AIが計算して「これは犬だ！🐶」と答えを出しました。でも、本当の正解は「猫😹」だったとします。
ここで先生が登場して、「うーん、間違いが大きいから30点！」と採点します。この「間違いの大きさ」を正しく数字（点数）にするためのルールが、損失関数です。

👉 「AI専用の採点ルール（基準）」

用途によって採点ルールも変わります。

 * 平均二乗誤差（MSE）：気温や売上など、「数字のズレ」を測る採点ルール
 * 二値交差エントロピー：犬か猫かなど、「二択問題」の採点ルール
 * 交差エントロピー：犬・猫・鳥など、「多択問題」の採点ルール

採点された点数（損失の値）が0に近づくほど「ほぼ満点（正解に近い）」ということになります！

まとめ：この章で覚えることはこれだけ！

今回の内容をひとことにまとめると……
AIが「問題を見る」➔「考える」➔「人間が分かる形に答えを整える」➔「採点される」
という一連の流れを学んだことになります。

「あれ？ でもAIはどうやって賢くなっていくの？」と思いましたよね。

残念ながら、まだAIは「間違いを教えてもらった」だけで、賢くはなっていません。

ここから採点結果をもとに反省して成長していくプロセスこそが、次のテーマは「逆伝播（Back Propagation）」です！

次回もお楽しみに！🤖