AIの「脳の中身」をのぞく——ニューラルネットワークとパラメータのしくみ

「AIのパラメータが何億個」「大量のデータで学習させる」——こうした言葉はニュースでよく見かけますが、中身をイメージできている人は多くありません。この連載ではAIとは何かでAIの全体像を、生成AIじゃないAIたちで入れ子構造の外側を歩いてきました。今回はいよいよ、AIの”脳”の中——ニューラルネットワークのフタを開けてみます。読み終えるころには、「パラメータ」「重み」「学習」、そして「なぜAIにGPUが必要なのか」が、スッとつながっているはずです。

AIの脳は、ニューラルネットワーク

AIの中心にあるのは、人間の脳の神経回路を大まかに真似たニューラルネットワークという仕組みです。脳が無数の神経細胞（ニューロン）のつながりで情報を処理するように、ニューラルネットワークもノードと呼ばれる小さな計算単位が、たくさんつながってできています。

ニューラルネットワークの模式図。左の入力層から、いくつもの中間層（隠れ層）を経て、右の出力層へと、各層のノードが線で結ばれて情報が伝わっていく様子を表している

ノードは層（レイヤー）をなして並んでいます。左端が入力層（データが入ってくる入り口）、右端が出力層（答えが出てくる出口）、そしてその間に中間層（隠れ層）が何層も挟まっています。データは左から右へ、層から層へと流れながら、少しずつ「意味のある特徴」へと変換されていきます。

「ディープラーニング（深層学習）」の”ディープ（深い）“とは、この中間層が何層も深く積み重なっていることを指します。層が深いほど、より複雑で抽象的なパターンを捉えられるようになります。

ノードをつなぐ「線」＝重み、その総数がパラメータ

ここが今日の核心です。ノードとノードは線でつながっていて、その1本1本に「重み（weight）」という数値がついています。重みは「この入力を、どれくらい重視して次に伝えるか」を表す、いわば信号の”効き具合”のツマミです。

各ノードは、前の層から届いた信号にそれぞれの重みをかけて合計し、次の層へどう送るかを決めます。この線の重み（と、各ノードが持つバイアスという値）の総数が、パラメータです。「7B（70億パラメータ）」というのは、この調整つまみが70億個ある、という意味。パラメータが多いほど、表現できるパターンが複雑になり、賢くなる傾向があります。

「学習」とは、重みを少しずつ調整すること

では、その膨大な数の重みは、誰が決めるのでしょうか。人間が1つずつ設定する——わけではありません。ここが「AIがデータから学ぶ」という言葉の正体です。

最初、重みはデタラメな値から始まります。そこに大量の学習データ（問題と正解のセット）を通し、AIが出した答えと本当の正解とのズレを測って、そのズレが小さくなる方向へ、重みとバイアスをほんの少しずつ調整します。この「答え合わせ→微調整」を、何百万回、何十億回と繰り返すうちに、AIは正解に近い出力を出せるようになっていきます。

つまり学習とは、人がルールを書くことではなく、データに合うように重みとバイアスが自動で決まっていくプロセスです。AIが「データからパターンを学ぶ」と言われるとき、その”学ぶ”の中身は、この重みの調整だったわけです。

大きいほど賢い、でも計算が重い——GPUとCPUの違い

ノードと層を増やすほど、AIは複雑なパターンを捉えられるようになります。ただし、その代償が計算量です。何十億個ものパラメータを使い、何十億回も答え合わせと微調整を繰り返す——この計算は、途方もない量になります。

ここで主役になるのがGPUです。ふだんパソコンの頭脳といえばCPUですが、この2つは得意分野がまるで違います。

CPU……少数の複雑な計算を、順番に、賢くこなすのが得意（優秀な少人数の専門家チーム）
GPU……単純な計算を、数千〜数万個のコアで一斉に、同時並行でこなすのが得意（大人数で単純作業を分担する集団）

思い出してほしいのが、さきほどの「学習＝重みを少しずつ調整する」話です。その調整の中身は、何十億個ある重みを、ほんの少しずつ増やしたり減らしたりすること。これを何十億個ぶん一斉に計算するのが、AIの中で起きていることの実体です。これはまさに、GPUが得意とする「同じ計算をたくさん並列に行う」処理とぴったり噛み合います。だからこそ、AIの計算には並列処理が欠かせないのです。

そして面白いのは、このGPUがもともとゲームや映像のために発達した”画像処理用”の半導体だということ。画面の何百万という画素を同時に描くために、大量の並列計算をこなせるよう作られていました。その並列処理の力が、そっくりそのままAIの計算に刺さったのです。AI時代にNVIDIA（GPUの最大手）が世界中で引っ張りだこになっているのは、これが理由です。

この脳の上で、生成AIは動いている

文章を書くAIも、画像を認識するAIも、音声を聞き取るAIも、土台はすべてこのニューラルネットワークです。ChatGPTのような生成AI（LLM）も、この脳の上で「次に来る言葉」を確率的に予測することで、文章をつむいでいます（その仕組みは生成AIは「考えて」いない——LLMが言葉を生成する本当の仕組みでくわしく解説しています）。

また、今回の「学習」は重みを調整するという技術的な中身の話でしたが、LLMが実際にどんな段階を踏んで学ぶのか（事前学習・ファインチューニングなど）は、AIはなぜ「昨日のニュース」を知らないのかで扱っています。