【第65回】AIはなぜ複雑な問題も解ける？MLP（多層パーセプトロン）とは

つとむ

2026年5月26日 23:36

単純なパーセプトロンだけでは、解けない問題があることを知っていますか。
その限界を超えるために登場したのがMLPです。
この記事では、隠れ層を持つネットワークの役割をやさしく解説します。

1. 読み方

エムエルピー（たそうパーセプトロン） (Multi-Layer Perceptron)

2. 意味（定義）

「入力層、隠れ層（中間層）、出力層という複数の層から構成され、非線形な複雑な判断ができるニューラルネットワークの一種」のことです。

多層: 層が「入力 → 隠れ → 出力」と、複数重なっていること。
非線形性: 「もしAかつB、あるいはCのとき…」といった、単純な足し算・引き算では表せない複雑な条件（カーブした境界線）を扱えること。

【高度なフィルター・システムの例え】 「この果物は食べられるか？」を判定する、3段構えの自動選別機を想像してください。

第1層（入力）: 果物の「色」「大きさ」「重さ」というデータが入ってきます。
第2層（隠れ層/フィルター）:
- 第1層の情報を受け取った「色フィルター」が、「赤ければ合格」と判定。
- 「大きさフィルター」が、「大きすぎなければ合格」と判定。
- これらが組み合わさって、「赤くて、かつ、小さすぎない」という複雑な中間結果を作ります。
第3層（出力層）: すべてのフィルターの結果をまとめて、「食べられる：YES/NO」という最終的な答えを出します。

このように、情報を段階的に加工して「深い意味」を見つけ出すのがMLPの特徴です。

3. 歴史・背景

MLPの歴史は、パーセプトロンの苦難の歴史そのものです。

挫折期: パーセプトロンが「XOR問題（直線で分けられない問題）」を解けないことが判明し、AI研究が停滞しました。
突破口（1980年代）: 「誤差逆伝播法（バックプロパゲーション）」という画期的な学習アルゴリズムが登場しました。これにより、「後ろの層のミスを、前の層に伝えて重みを修正する」ことが可能になり、多層構造（MLP）を正しく学習させられるようになりました。
黄金期へ: MLPが進化し続け、さらに層を深くしていったものが、現在の「ディープラーニング（深層学習）」です。

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！

単純パーセプトロン vs MLP ★超重要
- 単純: 層が1つだけ。直線的な境界線しか引けない。
- MLP: 層が複数（隠れ層がある）。複雑な曲線（非線形）の境界線が引ける。
MLP vs ディープラーニング (DL) ★用語のニュアンス
- MLP: 多層パーセプトロン全般を指す言葉。
- ディープラーニング: MLPの中でも、特に「隠れ層が非常にたくさん（深層）あるもの」を指す、より現代的な呼び方です。
活性化関数 (Activation Function) ★MLPの心臓部
- MLPの各層で、「入力をどれくらい次の層に伝えるか」を決める関数（シグモイド関数、ReLU関数など）のこと。これがないと、多層にしてもただの「足し算の繰り返し」になってしまい、複雑な判断ができません。

5. 活用シーン（どんな問題に使うか）

パターン認識: 手書き文字（数字の0〜9）を画像から読み取る。
分類タスク: 顧客データから「解約しそうな人」を予測する。
回帰タスク: 過去の売上データから、来月の売上を予測する。

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！

「非線形問題（XOR問題）」の解決: 「多層化することで、直線では分けられない問題を解けるようになった」という文脈。
「誤差逆伝播法 (Backpropagation)」とのセット: MLPを学習させるための必須技術として必ずセットで出ます。
「隠れ層（中間層）」の存在: 入力層と出力層の間に、情報を加工する層があること。
「活性化関数」の役割: 「非線形な性質を導入するために不可欠である」という点。

7. G検定の例題

【問題1：MLPの能力について】

多層パーセプトロン（MLP）が、単純パーセプトロンと比較して優れている点として、最も適切なものはどれですか？

A. 計算量が大幅に減少するため、非常に高速な処理が可能である。
B. 隠れ層を介することで、直線的な境界線では分類できない「非線形」な問題（例：XOR問題）を解くことができる。
C. 入力データを自動的に整理し、ラベルのないデータから新しいグループを見つけ出すことができる。
D. データの次元を削減し、重要な特徴量だけを抽出することができる。

【問題2：学習アルゴリズムの組み合わせ】

多層パーセプトロン（MLP）において、各層の重みを適切に更新し、予測誤差を最小化するために用いられる、後ろの層から前の層へと誤差を伝えていく手法はどれですか？

A. 勾配降下法 (Gradient Descent)
B. 誤差逆伝播法 (Backpropagation)
C. ブートストラップ法 (Bootstrap Method)
D. 主成分分析 (PCA)

8. 例題の回答と解説

【問題1 の回答】

正解：B

【解説】 MLPの最大の強みは、層を重ねて「非線形な（曲がった）境界線」を作れることです。これにより、単純パーセプトロンでは不可能だったXOR問題などが解けるようになりました。A は誤り、C はクラスタリングの説明、D は次元削減の説明です。

【問題2 の回答】