【AI超入門④-③】損失関数とは？AIが「間違い」を学習する仕組み
요약
인공지능(AI)이 '좋은 예측'과 '나쁜 예측'을 판단하는 기준은 바로 '손실 함수(Loss Function)'입니다. 손실 함수는 AI의 예측값과 실제 정답 값 사이의 차이, 즉 '오차의 크기'를 수치로 계산합니다. AI는 이 오차 값을 최소화하는 방향으로 스스로를 조정하며 학습을 반복하여 성능을 개선하게 됩니다.
핵심 포인트
- 손실 함수(Loss Function)는 AI의 예측값과 실제 정답 값 사이의 차이(오차)를 수치로 나타내는 역할을 합니다.
- AI는 이 손실 값을 계산하고, 그 값이 작을수록 '좋은 예측', 클수록 '나쁜 예측'으로 판단합니다.
- 학습 과정은 초기에는 오차가 큰 상태에서 시작하여, 반복적인 조정을 통해 손실 값을 점진적으로 줄여나가는 방식으로 진행됩니다.
- 손실 함수를 이해하는 것은 AI가 어떻게 스스로의 '오류'를 인식하고 개선해 나가는지 그 원리를 파악하는 핵심 단계입니다.
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
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
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
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
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下げます
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
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
数値予測（回帰）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
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、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
【Serverless で世の中をもっと楽しく】**
AI 자동 생성 콘텐츠
본 콘텐츠는 Qiita AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기