問題 No.2528
ディープニューラルネットワーク（DNN）の定義に関する記述として、最も適切なものを1つ選べ。
【正解の解説】
入力層と出力層の間に複数の隠れ層（中間層）を備え、データから階層的な特徴表現を自律的に学習する人工ニューラルネットワークの総称である。
人間が物事を理解するとき、例えば「犬」を認識する際に耳の形や鼻の質感といったパーツを段階的に組み立てていくのと似ています。DNNは複数の隠れ層（中間層）を重ねることで、浅いネットワークでは捉えきれなかった複雑で高度な抽象的特徴を自動的に見つけ出すことができるため、画像認識や音声処理などで圧倒的な成果を上げています。
スポンサーリンク
【その他の選択肢の解説】
入力層と出力層の間に単一の中間層を備え、人間が手動で抽出した特徴量を基にして最適化を行う人工ニューラルネットワークの総称である。
ここでのポイントは「単一の中間層」と「人間が手動で特徴量を作る」という部分です。これではディープ（深層）ラーニングの最大の特徴である「多層構造による自動的な特徴量抽出」が実現できません。初学者はAIが何でも全自動でやってくれると誤解しがちですが、隠れ層が1つだけの浅いモデルでは人間が事前に特徴を教えてあげる必要があります。
入力層と出力層の間に対象データを直接変換する隠れ層を備え、あらかじめ定義されたルールに従って確率的推論を行う人工ニューラルネットワークの総称である。
あらかじめ人間が定義したルールや確率的推論に頼るやり方は、昔ながらのエキスパートシステムや古典的な機械学習のやり方です。ディープニューラルネットワークの強みは、人間がルールを教え込むのではなく、膨大なデータから隠れ層を通じて自らパターンや規則性を発見し、階層的な特徴表現を獲得していく点にあります。
入力層と出力層の間に複数の結合重みを持つ隠れ層を備え、あらかじめ与えられた全教師データを網羅的に記憶する人工ニューラルネットワークの総称である。
あらかじめ与えられたデータを単に「網羅的に記憶する」だけでは、未知のデータに対して柔軟に対応する汎化能力が失われてしまいます。これは機械学習で最も避けるべき「過学習（オーバーフィッティング）」の状態そのものです。DNNの本質は丸暗記ではなく、データから本質的な特徴を抽出し、新しい状況でも正しく予測できる能力を身につけることにあります。