IT用語入門：バックプロパゲーション【誤差を逆向きに伝えて重みを学習】

バックプロパゲーションとは

バックプロパゲーションは、ニューラルネットワークを学習させるための代表的な手法です。予測結果と正解の差（誤差）をもとに、ネットワーク内部の重みを少しずつ直し、誤差が小さくなる方向へ更新します。ディープラーニングのような多層構造でも使われ、現在の機械学習で標準的に採用されています。

学習の流れは、まず入力から出力を計算し、誤差を求めます。次にその誤差を出力層から入力層へ向けて逆向きに伝え、各層の重みの影響度（勾配）を求めます。この勾配を用いて、確率的勾配降下法やAdamなどの最適化手法で重みを更新します。数式的には微分の連鎖律を使うことで、多層でも効率よく勾配を計算できます。

例えば画像認識で「猫」を誤判定した場合、その誤差が前の層へ伝わり、エッジや模様を捉える重みが調整されます。これを繰り返すことでモデルは特徴を学び、精度が高まります。バックプロパゲーションは、誤差を手がかりに学習を安定して進める中核的な役割を担います。