問題 No.2788
ディープラーニングの距離学習において、類似しているデータ同士の潜在空間におけるユークリッド距離を小さくし、逆に類似していない異なるデータ同士の距離を一定のマージン以上に遠ざけるように設計された損失関数の名称はどれか。
【正解の解説】
Contrastive Loss
これは人間関係で例えるなら「親友同士はいつも近くに座らせ、苦手な人とは必ず一定以上の距離をキープする」という座席指定のルールのようなものです。AIの頭の中（潜在空間）で、同じ仲間のデータはギュッと固め、違う仲間のデータはパッと引き離すことで、データの違いを鋭く見分けられるように賢く育成します。
スポンサーリンク
【その他の選択肢の解説】
Triplet Loss
Contrastive Lossが「ペア（2つのデータ）」単位で距離を調整するのに対し、こちらは「アンカー・ポジティブ・ネガティブ」の3つを同時に扱う点が最大の違いです。試験では2つのデータの関係を問われているため、3つ組を使うこちらは不適切となります。
Cross Entropy Loss
データ同士の「近さ・遠さ（距離）」を学ぶ距離学習ではなく、「これは何というクラスか（犬か猫か）」を当てさせる分類タスクで使われます。確率の予測値を評価する仕組みであり、潜在空間での空間的な距離をコントロールする目的には設計されていません。
Focal Loss
物体検出などで背景ばかりが大量にあり、肝心の対象物が見つかりにくい「クラス不均衡問題」を解決するために作られました。データ同士の類似度や距離を測る目的ではなく、難易度に応じたペナルティの重み付けを動的に調整するための専用の仕組みです。