【第86回】AIは文章を文章に変換できる？Seq2Seqとは
翻訳のように、文章を別の文章に変える処理があります。
その基本となるモデルがSeq2Seqです。
この記事では、入力から出力への変換の考え方をやさしく解説します。
1. 読み方
シー・トゥ・シー (Sequence-to-Sequence)
2. 意味（定義）
「ある長さのシーケンス（時系列データ）を入力として受け取り、別の長さのシーケンスを出力する、ニューラルネットワークの構成（フレームワーク）」のことです。
Sequence (シーケンス): 文章や音声のように、順番に並んだデータの集まり。
to (～へ): 変換の方向を示す。
Sequence (シーケンス): 出力される新しいデータの集まり。
入力と出力で、文字数（データの長さ）が違っても大丈夫なのが最大の特徴です。
【翻訳機という例え】
あなたは、「日本語の文章」を「英語の文章」に直す通訳者だとします。
Encoder (エンコーダ/符号化器): まず、日本語の文章を最後までじっくり聞き、その内容を頭の中にギュッと凝縮してまとめます（これを「コンテキストベクトル」と呼びます）。
Decoder (デコーダ/復号化器): 次に、その頭の中のまとめ（コンテキストベクトル）だけを見て、それを英語の文章へと一文ずつ組み立て直していきます。
このように、「情報を一度ギュッと圧縮して、そこから新しい形を作り出す」という2つのステップで構成されているのが Seq2Seq です。
3. 歴史・背景
かつての機械翻訳は、「単語の置き換え」のような単純なルールに基づいていました。しかし、これでは文法や文脈が複雑な言語の変換には限界がありました。
そこで登場したのが、RNN（特にLSTMやGRU）をベースとした Seq2Seq です。情報を「ベクトル（数字の羅列）」という抽象的な形に一度圧縮することで、入力と出力の長さが異なる「翻訳」や「要約」といったタスクを、ニューラルネットワークだけで完結して扱えるようになりました。これが、現在の高度なAI翻訳や対話システムの基礎となる大きな一歩となりました。
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/LSTM/GRU vs Seq2Seq
RNN系: 「データの流れをどう処理するか」という、個別の「部品（アルゴリズム）」。
Seq2Seq: RNNなどの部品を使って、「入力を出力に変換する」という、全体の「仕組み（フレームワーク）」。
Encoder (エンコーダ) vs Decoder (デコーダ)
Encoder: 入力データ（例：日本語）を読み込み、意味を凝縮したベクトル（コンテキストベクトル）を作る役割。
Decoder: 圧縮されたベクトルを受け取り、出力データ（例：英語）を生成する役割。
5. 活用シーン（どんな問題に使うか）
機械翻訳: 日本語 → 英語、英語 → 中国語など、文の長さが異なる言語変換。
文章要約: 長いニュース記事 → 短い見出し。
対話システム (Chatbot): ユーザーの質問 → AIの回答。
音声認識からテキスト化: 音声波形（シーケンス） → テキスト（シーケンス）。
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！
「Encoder-Decoderモデル」との同一視: 「Seq2Seqは、エンコーダとデコーダから構成される」という記述は非常に頻出です。
「コンテキストベクトル (Context Vector)」の役割: エンコーダが作った「情報の凝縮体」が、デコーダに渡されるという流れを理解しておくこと。
「入力と出力の長さの違い」への対応: データの長さが変わっても扱えることがSeq2Seqの強みです。
発展技術（Transformer）への繋がり: 「Seq2Seqの仕組みを発展させ、Attention機構（注意機構）を取り入れたのがTransformerである」という歴史の流れを意識してください。
7. G検定の例題
【問題1：Seq2Seqの構造】
Seq2Seq（Sequence-to-Sequence）モデルの構造に関する記述として、最も適切なものはどれですか？
A. 入力データを直接出力に変換するだけで、中間的なベクトル化プロセスは行わない。
B. エンコーダ（Encoder）が入力シーケンスを圧縮したベクトルを作成し、そのベクトルをデコーダ（Decoder）に渡して出力シーケンスを生成する。
C. 画像のピクセル情報を解析して、ラベル（クラス名）を出力することに特化した構造である。
D. 入力データの長さと出力データの長さが常に一致していることを前提としたモデルである。
【問題2：コンテキストベクトルの役割】
Seq2Seqにおいて、エンコーダによって生成され、デコーダへ受け渡される「入力シーケンスの情報を凝縮したベクトル」を何と呼びますか？
A. 勾配（Gradient）
B. 重み（Weight）
C. コンテキストベクトル（Context Vector）
D. バイアス（Bias）
8. 例題の回答と解説
【問題1 の回答】
正解：B
【解説】 Seq2Seqは「Encoder → 圧縮ベクトル → Decoder」という流れが基本です。A は単純なネットワークの説明、C は画像分類（CNN）の説明、D は長さが変わらないことを前提としているため誤りです。
【問題2 の回答】
正解：C
【解説】 エンコーダが入力文の「意味」をギュッとまとめたベクトルは、「コンテキストベクトル」と呼ばれます。A（勾配）は学習時の誤差、B（重み）はネットワークのパラメータ、D（バイアス）はニューロンの閾値を調整する値であり、誤りです。
