AIに「目」を授けた！「CNN（畳み込みニューラルネットワーク）」
第2回（通算第22回）（学ぶキーワード：CNN）
前回はAIの「目」であるコンピュータビジョンの基本を学びました 👁️
でも、ここで気になりませんか？ 「AIはどうやって、写真の中から『猫の耳』や『車のタイヤ』のようなパーツを見つけ出しているんでしょうか？ 🤔」
その秘密を握るのが、画像認識の絶対王者 CNN（畳み込みニューラルネットワーク） です！
G検定でも毎回のように問われる最重要アルゴリズムなので、得点源にできるようポイントをギッシリ詰めて学んでいきましょう！ ✨
1. 読み方
用語解説 📖
CNN
読み方：しーえぬえぬ
英語：Convolutional Neural Network
畳み込みニューラルネットワーク
読み方：たたみこみにゅーらるねっとわーく
Convolution
読み方：こんぼりゅーしょん（意味：畳み込み）
G検定では「CNN」という略称のほか、「畳み込みニューラルネットワーク」という日本語表記も頻繁に出題されます 💡
2. 意味（定義）
そもそもCNNって何がすごいの？
みなさん、人混みの中で友達を探すとき、どうやって探していますか？ 👥
いきなり全身の分子構造を見る人はいませんよね（笑）
まず「髪型」や「目の形」「輪郭」といった局所的なパーツ（特徴）を無意識に探して、それを組み合わせて「あ、〇〇ちゃんだ！」と判断しているはずです。 👭
実は、CNNもまったく同じアプローチをとっています！
定義と本質
CNNとは、
「画像の位置関係（空間情報）を保ったまま、局所的な特徴を階段状に自動抽出して学習するニューラルネットワーク」
のことです 🎯
一言で言えば、「画像の中から特徴を自力で見つけ出す名探偵AI 🕵️♂️」 です！
なぜ従来のネットワーク（全結合層）じゃダメなの？
ここ、試験でめちゃくちゃ狙われます！ ⚠️
普通のニューラルネットワーク（全結合層 / 全結合ニューラルネットワーク）に画像を入力するときは、画像を「1列の長ーい数字の列」に平坦化（1次元化）しなければなりませんでした。
するとどうなるでしょう？ 😭
せっかくの「縦横の位置関係」や「隣り合うピクセルのつながり（空間構造）」が崩壊してしまうのです！
一方、CNNは画像を「2次元（縦×横）の構造のまま」処理できます 📐 だからこそ、「左上に目がある」「右下にタイヤがある」といった位置関係を正しく理解できるのです。
3. 歴史・背景
ネオコグニトロンから始まった歴史 📜
「CNNって2012年に突然生まれたの？」と思われがちですが、実は違います 💡
1. ネオコグニトロンの誕生（1979年）
日本の福島邦彦氏が発表した「ネオコグニトロン」がCNNの直接のルーツです 🇯🇵 人間の視覚野の仕組み（単純細胞と複雑細胞）をヒントにして作られ、現在の「畳み込み層」と「プーリング層」の基礎となりました。これはG検定の歴史問題で超重要です！
2. LeNetの登場（1998年）
ヤン・ルカン（Yann LeCun）氏らが「LeNet-5」を提案 郵便番号の手書き数字認識（MNIST）などで実用化されました。
3. ILSVRC 2012でのAlexNetの衝撃（2012年）
そして歴史が動きます！ 🚀 画像認識コンテスト（ILSVRC）で、ジェフリー・ヒントン教授率いるチームの AlexNet が、2位以下に15%以上の大差をつけて圧勝 🏆 ここから世界中でCNNとディープラーニングの研究が一気に加速しました 🔥
4. 比較・対比（似た用語との違い）
G検定対策として、通常のニューラルネットワーク（全結合ネットワーク）とCNNの違いを整理しておきましょう ⚖️
通常のニューラルネットワーク（全結合層）
入力：1次元データ（表データや数値列）
弱点：画像を1列に並べ替えるため、上下左右の位置関係（空間情報）が消えてしまう
用途：回帰分析、数値予測など汎用向け
CNN（畳み込みニューラルネットワーク）
入力：2次元・3次元データ（画像・映像など）
強み：空間構造（位置関係）を維持したまま、画像局所の特徴を自動抽出できる
用途：画像分類、物体検出、画像セグメンテーション
「空間構造を壊さずに扱えるのがCNN！」 と覚えておけばバッチリです 💯
5. 活用シーンと応用タスク
実社会のどこで使われ、どんなタスクをこなしているかを押さえましょう 📱
1. 画像分類（Classification）
画像全体を見て「猫」「犬」「車」などのラベルを判定します 🐾
（活用例：スマホのアルバム自動分類）
2. 物体検出（Object Detection）
画像の中にある「複数の物体の位置（枠で囲む）」と「その種類」を同時に特定します 📦
（活用例：自動運転での歩行者・標識検出、防犯カメラ）
3. セマンティックセグメンテーション（Segmentation）
画像をピクセル（画素）単位で色分けし、どこが道路でどこが歩行者かを精密に理解します 🚗
（活用例：医療CT画像での腫瘍領域の特定、自動運転の走行領域判定）
4. 顔認証・外観検品
工場の製品の傷や汚れを検知する「異常検知」や、スマホの顔ロック解除などでも大活躍しています 🔓
6. G検定での出題傾向と対策
G検定で問われるポイントを直前チェック用にまとめました 📝
よく出るポイント 🎯
空間情報の保持：全結合層と違い、位置関係（空間構造）を保持したまま処理できる
ルーツと歴史：福島邦彦氏の「ネオコグニトロン」がルーツ、ヤン・ルカン氏の「LeNet」、2012年「AlexNet」のILSVRC圧勝
特徴量の自動抽出：CNN自身が段階的に（ローレベルなエッジからハイレベルなパーツへ）特徴を獲得する
応用タスク：画像分類、物体検出、セグメンテーションの役割の違い
頻出のひっかけパターン ⚠️
「CNNは文章や音声などの1次元時系列データ処理にしか使えない」
誤り ➡️ 主に2次元以上の画像向け
「CNNでは人間が手作業でフィルタの数値を固定指定する」
誤り ➡️ フィルタの数値（重み）は学習によって自動更新される
「CNNのルーツとなったネオコグニトロンはアメリカで開発された」
誤り ➡️ 日本の福島邦彦氏が開発
7. G検定の例題
問題1（基礎・定義）
CNN（畳み込みニューラルネットワーク）の特徴として、最も適切なものはどれか。
① 画像を1次元の配列に変換してから処理するため、計算量が全結合層より大幅に少なくなる
② 画像の局所的な空間構造（位置関係）を維持したまま、特徴量を自動で抽出できる
③ 人間が手作業で事前に特徴抽出フィルタのパラメータをすべて定義する必要がある
④ 自然言語処理における文章の文脈理解に特化したネットワーク構造である
問題2（歴史）
CNNの発展に関する記述として、最も適切なものはどれか。
① 1979年に福島邦彦氏によって提案されたネオコグニトロンが、CNNの基礎となった
② 2012年のILSVRCで優勝したAlexNetは、全結合層のみで構成されたモデルである
③ ヤン・ルカン氏が開発したLeNetは、音声認識のために作られたシステムである
④ CNNは2010年代以降に初めて考案された新しい概念である
問題3（応用・ひっかけ）
画像認識におけるタスクの説明として、適切なものはどれか。
① 画像全体に対して単一のカテゴリ名を付与するタスクを「物体検出」と呼ぶ
② 画像内の複数物体の位置をバウンディングボックス（矩形領域）で指定し分類するタスクを「画像分類」と呼ぶ
③ 画像の全ピクセルに対して、それがどのカテゴリに属するかを画素単位で識別するタスクを「セマンティックセグメンテーション」と呼ぶ
④ CNNは画像分類しか行うことができず、物体検出や領域分割には利用できない
8. 例題の回答と解説
【問題1：回答】②
解説：②が正解です！CNNは1次元化せず「空間構造を保持」して処理します。①は誤り。③フィルタの数値は学習で自動獲得されます。④は主にRNNやTransformerの説明です。
【問題2：回答】①
解説：①が正解です！福島邦彦氏の「ネオコグニトロン」はG検定超頻出です。②AlexNetはCNNモデル、③LeNetは手書き数字認識用です。
【問題3：回答】③
解説：③が正解です！画素単位で分類するのがセマンティックセグメンテーションです。①は「画像分類」、②は「物体検出」の説明なので誤りです。
9. Anki用 一問一答データ
暗記アプリ（Ankiなど）に取り込めるテキスト形式です 📲
CNNの正式名称は？：Convolutional Neural Network（畳み込みニューラルネットワーク）
CNNが通常の全結合層より画像認識に優れている理由は？：画像の空間構造（位置関係）を維持したまま処理できるため
CNNの構造的ルーツとなった日本の研究者が開発したモデルは？：福島邦彦氏の「ネオコグニトロン（1979年）」
LeNetを提案しCNNの実用化に大きく貢献した研究者は？：ヤン・ルカン（Yann LeCun）氏
2012年のILSVRCで圧勝しディープラーニングブームの火付け役となったCNNモデルは？：AlexNet
画像内の物体の「位置（矩形）」と「種類」を同時に特定するタスクは？：物体検出（Object Detection）
画像全体の画素（ピクセル）単位でカテゴリを分類するタスクは？：セマンティックセグメンテーション
まとめ
★絶対に覚えておくべき3点 📌
CNNは「空間構造（位置関係）」を保ったまま画像の特徴を自動抽出できる 📐
ルーツは福島邦彦氏の「ネオコグニトロン」、ブームのきっかけは2012年「AlexNet」 🚀
画像分類だけでなく「物体検出」や「セグメンテーション」など幅広く応用される 🚗
次回予告 📣
今回は、画像認識の王者「CNN」の全体像と歴史を学びました。
では、CNNの内部では一体どんな計算が行われているのでしょうか？ 🤔
次回は、CNNの心臓部である 「畳み込み層（Convolution Layer）」 の仕組みに迫ります！
「画像の上をフィルタ（虫眼鏡）がスライドしていく…？ 🔍」 G検定の計算問題でも出題される「フィルタ処理」の基本イメージを、どこよりも分かりやすく解説します。お楽しみに！
❤️ この記事が役に立ったら「スキ」で応援してください！
🔥 あなたの応援が、次の解説を作るエネルギーになります！
