第13章：深層学習の基礎

第13章 · 深層学習の基礎

🧠 AIはどうやって「学ぶ」の？

ChatGPT や画像認識AIは、プログラマーがルールを書いたわけじゃない。
大量のデータから自分でパターンを見つけたのだ。
その仕組みが深層学習（ディープラーニング）。脳の神経細胞を模したモデルで謎を解こう！🔍

← 信号が入力から出力へ伝わる様子

第13章 · Step 1/4

🔵 Step 1：人工ニューロンの仕組み

脳の神経細胞（ニューロン）を数学でモデル化したもの。
入力 × 重み を足し合わせて、活性化関数に通して出力する。たったこれだけ！

⚙️ 重み（Weight）を動かしてみよう

入力1 x₁: 0.7

重み1 w₁: 0.5

入力2 x₂: 0.3

重み2 w₂: -0.8

バイアス b: 0.1

📊 計算結果

z = x₁×w₁ + x₂×w₂ + b

            sigmoid(z):

💡 重み（Weight）は「どの入力をどれだけ重視するか」。
バイアス（Bias）は「どのくらい積極的に発火するか」のしきい値調整。
学習 = この重みとバイアスを自動で最適化すること！

第13章 · Step 2/4

🕸️ Step 2：ニューロンを積み重ねるとすごくなる

ニューロンを層（レイヤー）状に並べて繋げる — これがニューラルネットワーク。
層を深くするほど複雑なパターンを学べる → これが「深層学習」の意味！

👆 入力ニューロンをクリックして信号を流してみよう！

入力層のノードをクリックしてね！

🔵 入力層 🟣 隠れ層（特徴を抽出） 🔴 出力層（答え）

第13章 · Step 3/4

📉 Step 3：間違いから学ぶ — 誤差逆伝播

AIの学習は「試して → 間違いを測って → 修正する」の繰り返し。
損失関数で間違いの大きさを数値化し、誤差逆伝播法（Backpropagation）で全重みを少しずつ修正する。

🏋️ 学習のシミュレーション（犬 vs 猫分類器）

🐶

正解: 犬(1.0)

予測: ?

🐱

正解: 猫(0.0)

予測: ?

損失（Loss）— 小さいほど良い —

エポック進捗

第13章 · クイズ

📝 理解度チェック！

Q1. ニューラルネットワークの「重み（Weight）」とは？ 🤔

ファイルのデータサイズ

各入力をどれだけ重視するかの係数

CPUのクロック速度

メモリの使用量

🎉

第13章クリア！

ニューロン・重み・誤差逆伝播など
深層学習の核心を掴んだ！