最初に

前回は活性化関数について解説しました
ニューラルネットワークは
入力 → 重み計算 → 活性化関数 → 出力
という流れで結果を出します

しかしここで、1つ重要な疑問があります
AIはどうやって「良い予測」と「悪い予測」を判断しているのか？

実はAIは自分の「間違いの大きさ」　を計算しています
これを行うのが
**損失関数（Loss Function）**です

損失関数とは

損失関数とは
予測と正解のズレを数値で表すもの
です、言葉だけだとわかりにくいので図でイメージを掴みます

予測と正解のズレ

AIが判断した際の確率と実際の正解の値の差
これを損失と呼びます

なんで損失関数が必要なのか？

AIは最初
何が正しいか分からない状態からスタートします
そこで
間違いを数値化
↓
その値を小さくするように調整
という仕組みを使います

これが何を意味するかというと

損失が小さい → 良い予測
損失が大きい → 悪い予測

この様になります

学習のイメージ

どうやって、AIが精度を改善するのかのイメージを掴んでいきます

図のように、様々なパラメータなどを調整して、学習を繰り返すことで損失をどしていきます

損失関数を直感的に理解するために

例えば犬か猫を判定するAIを考えます
正解
猫 = 1.0
AI予測
猫 = 0.6

ズレ = 0.4

このズレを評価するのが損失関数になります

代表的な損失関数

よく使用される代表的な2種を紹介します
最初はこの2つを覚えておくだけでOKです

平均二乗誤差（MSE）

数値予測（回帰）で使用

クロスエントロピー

分類問題で使用

ここまでで、最後に一言まとめると
AIは「間違い」を数値化して学習している

最後に

今回は損失関数の話をしました
次は勾配降下法の話をして、実際にニューラルネットワークを作る段階に入っていく予定です
またゆっくり記事を書きます

株式会社ONE WEDGE

【Serverlessで世の中をもっと楽しく】
ONE WEDGEはServerlessシステム開発を中核技術としてWeb系システム開発、AWS/GCPを利用した業務システム・サービス開発、PWAを用いたモバイル開発、Alexaスキル開発など、元気と技術力を武器にお客様に真摯に向き合う価値創造企業です。