【第82回】AIは文章の順番をどう理解する？RNNとは
言葉は順番によって意味が変わります。
AIはその流れをどう理解しているのでしょうか。
この記事では、時系列データを扱うRNNの基本をやさしく解説します。
1. 読み方
アールエヌエヌ (Recurrent Neural Network)
2. 意味（定義）
「過去の情報を『記憶』として保持し、時系列（時間の流れ）に沿ったデータを扱うことができるニューラルネットワーク」のことです。
通常のネットワーク (Feedforward NN): 入力が来たら、計算して出力して終わり。「過去」は一切覚えていません。
RNN: 計算のプロセスに「ループ（再帰）」構造があります。前のステップで得た情報を、次のステップの計算に引き継ぐことができるため、「文脈」や「流れ」を理解できます。
【映画のストーリーの例え】
あなたは今、映画の「中盤のシーン」を見ています。
通常のネットワークの場合: 目の前の映像だけを見て、「これは爆発シーンだ」と判断します。しかし、なぜ爆発したのか（原因）は分かりません。
RNNの場合: 「さっきのシーンで主人公が爆弾を置いた」という過去の記憶を持っています。そのため、今の映像を見て「あ、あの爆弾が爆発したんだな！」と、文脈を含めて理解できます。
3. 歴史・背景
RNNは、古くから時系列データを扱うために研究されてきました。しかし、初期のシンプルなRNNには「長期依存問題（Long-Term Dependency Problem）」という致命的な弱点がありました。
課題: 長い文章や長い動画を扱うと、最初の方の情報を忘れてしまう（勾配消失問題の一種）。
解決策: この「忘却」を防ぐために、「どの情報を残し、どの情報を捨てるか」を賢く管理する仕組みを持った LSTM (Long Short-Term Memory) や GRU といった発展型が登場しました。これによって、翻訳や音声認識などの精度が飛躍的に向上しました。
4. 比較・対比（似た用語との違い）
ここが試験で狙われる「整理」ポイントです！
RNN vs CNN
CNN: 「空間的」な特徴（画像内の形や模様）を得意とする。
RNN: 「時間的」な特徴（音の波形、文章の単語の並び）を得意とする。
RNN vs LSTM / GRU
RNN (Simple/Vanilla): 構造がシンプルだが、長い情報を保持するのが苦手（勾配消失問題に弱い）。
LSTM / GRU: 「ゲート」という仕組みを持ち、重要な情報を長期間保持できる。
5. 活用シーン（どんな問題に使うか）
自然言語処理 (NLP): 機械翻訳（日本語 → 英語）、文章生成（ChatGPTの初期技術の一つ）、感情分析。
音声認識: 「こんにちは」という音の波形から、文字へと変換する。
株価・需要予測: 過去の価格変動や売上実績をもとに、未来の数値を予測する。
動画解析: 動画内の動き（アクション）の認識。
6. G検定での出題傾向
G検定では、以下のポイントが狙われます！
「時系列データ」「シーケンス」というキーワード: RNNが登場する際のヒントになります。
「勾配消失問題」と「LSTM」の紐付け: 「単純なRNNでは長い情報の保持が極めて難しい → だからゲート機構を持つLSTMを使う」という論理構成が重要です。
LSTM / GRU の仕組み: 「忘却ゲート」「入力ゲート」といった、情報を制御する「ゲート（Gate）」という言葉に注目してください。
CNNとの使い分け: 画像ならCNN、時系列・文章ならRNN（またはその発展形）という分類。
7. G検定の例題
【問題1：RNNの特性】
RNN（Recurrent Neural Network）に関する記述として、最も適切なものはどれですか？
A. 画像の空間的な特徴を抽出することに特化しており、畳み込み層を用いる構造である。
B. 入力データが独立していることを前提としており、過去の入力の影響を考慮しないネットワークである。
C. 内部にループ構造を持ち、過去の情報を現在の計算に引き継ぐことができるため、時系列データの扱いに適している。
D. データの次元を削減することのみを目的としており、情報の保持には向いていない。
【問題2：長期依存問題とLSTM】
単純なRNN（Vanilla RNN）において、長いシーケンス（時系列）を学習しようとすると、過去の重要な情報が消失してしまう現象があります。この問題に対する解決策として、ゲート機構を用いて情報の保持・忘却を制御し、長期的な依存関係の学習を可能にしたモデルはどれですか？
A. CNN (Convolutional Neural Network)
B. LSTM (Long Short-Term Memory)
C. GAN (Generative Adversarial Network)
D. Transformer
8. 例題の回答と解説
【問題1 の回答】
正解：C
【解説】
A はCNNの説明です。
B は通常の（再帰のない）ニューラルネットワークの説明です。RNNの最大の特徴は「過去の影響を検出できる」ことです。
C が正解。「ループ構造」「時系列データ」がキーワードです。
D は、次元削減（PCAなど）に関する誤った説明です。
【問題2 の回答】
正解：B
【解説】 単純なRNNの弱点である「勾配消失問題（長い情報の忘却）」を解決するために、「ゲート」という仕組みを導入して、情報を取捨選択できるようにしたのがLSTM（およびGRU）です。A は画像用、C は生成AI用のモデルであり、誤りです。D のTransformerもRNNの課題を克服した非常に強力な次世代技術として有名ですが、文脈としてLSTMが最も直接的な発展形です)
