代表的なニューラルネットワーク

ニューラルネットワークは、人間の脳の神経回路をヒントに設計された計算モデルであり、特定のタスクに適応するために多様なアーキテクチャが存在します。それぞれの構造には得意分野があり、画像・音声・言語・時系列データなどの性質に合わせて最適化されています。以下では、代表的なニューラルネットワークを体系的に紹介します。

1. パーセプトロン（Perceptron）

最も基本的なニューラルネットワークの単位で、複数の入力に重みを掛け合わせ、活性化関数を通して出力を決定します。初期のニューラルネットワーク研究において中心的な役割を果たしましたが、線形分離しか扱えないという限界がありました。この欠点を解消するために、多層構造（MLP）が登場しました。

2. 多層パーセプトロン（MLP：Multi-Layer Perceptron）

複数の隠れ層を持つ全結合型ネットワークで、非線形関数を用いることで複雑な関数表現が可能になります。

特徴：

• あらゆるデータ形式を扱える汎用モデル
• しかし画像や音声などの空間・時間構造を直接扱うのは苦手

用途：

小規模な分類問題、表形式データ、単純な回帰分析など。

ディープラーニングの初期にはMLPが主流でしたが、その後、構造を活かした専用ネットワークが誕生していきます。

3. 畳み込みニューラルネットワーク（CNN：Convolutional Neural Network）

CNNは画像認識に革命を起こしたモデルで、画像の「局所パターン」を捉えるために畳み込み層を使用します。

特徴：

• 画像の空間構造を保持したまま特徴を抽出
• 低レベル特徴（エッジ、模様）から高レベル特徴（物体の形状）を階層的に学習
• パラメータ効率が良く、高精度な画像認識が可能

代表的なモデル：

• LeNet（手書き文字認識の先駆け）
• AlexNet（2012年のブレークスルー）
• VGG、ResNet（より深い構造を実現）

用途：

画像分類、物体検出、医療画像解析、顔認識など。

CNNは視覚AIの基盤となり、今日の多くのVisionモデルの基礎となっています。

4. リカレントニューラルネットワーク（RNN：Recurrent Neural Network）

時系列データのために設計されたネットワークで、出力が次の時間ステップにフィードバックされる構造が特徴です。

特徴：

• 過去の情報を保持しながら順に処理できる
• 自然言語処理や音声データに適している
• しかし長期依存が苦手（勾配消失問題）

RNNは時系列処理の基本でしたが、限界を克服するために改良版が登場します。

5. LSTM / GRU（長期依存を扱えるRNN）

LSTM（Long Short-Term Memory）

「記憶セル」と「ゲート構造」により、長期的な情報を保持できるようにしたモデル。

GRU（Gated Recurrent Unit）

LSTMを簡略化し、高速に学習できる構造。

特徴：

• 長期依存性を扱えるため、文脈理解が必要な言語処理に強い
• 翻訳、音声認識、文章生成などで広く利用

Transformer登場以前、NLPの標準モデルでした。

---

6. Transformer（2017年の革命的モデル）

Transformerは自己注意機構（Self-Attention）を用いることで、RNNのように逐次処理せずに全体の文脈を同時に扱えるモデルです。

特徴：

• 文中のどの単語同士が重要かを学習できる
• 並列計算が可能で、超大規模学習に適する
• 長い文脈を高精度で理解できる
• 画像、音声にも応用可能な汎用性

代表的なモデル：

• BERT（理解に強い）
• GPTシリーズ（生成に特化）
• Vision Transformer（画像にも適用）

Transformerは、現代の生成AI・LLM・マルチモーダルAIの中心技術となっています。

7. GAN（敵対的生成ネットワーク）

GAN（Generative Adversarial Network）は、生成モデルの代表で、

• データを生成する「生成器（Generator）」
• そのデータが本物か偽物か判定する「識別器（Discriminator）」 が競い合う（敵対する）仕組みで学習します。

特徴：

• 極めてリアルな画像生成が可能
• Deepfake技術の基盤
• データ拡張にも使える

用途：

画像生成、アート制作、異常検知、動画変換など

最近はDiffusionモデルに主役の座を譲りつつありますが、GANも依然として強力な生成手法です。

8. 自己符号化器（Autoencoder）

入力データを低次元（潜在空間）に圧縮し、再構成するモデルです。

特徴：

• 本質的な特徴だけを抽出できる
• 次元圧縮や生成にも利用可能

用途：

異常検知、ノイズ除去、データ圧縮、表現学習など。

9. Diffusion Model（拡散モデル）

Stable DiffusionやDALL·E などで使われる最新の生成モデル。

特徴：

• ノイズから画像を徐々に生成する
• 高い品質と柔軟性
• GANより安定して学習できる

生成AIの中心技術として急速に広がっています。