アクティベーション（活性化）とは、ニューラルネットワークにおいて各ノード（ニューロン）が入力信号を受けて計算し、次の層へ出力する値やそのプロセスのことです。活性化関数によって変換された出力値を指すことが多く、モデルの表現力を高めるために不可欠な要素です。
アクティベーションとは
アクティベーションとは、ニューラルネットワークの各ノードが入力されたデータに重みを掛け合わせて計算した結果を、活性化関数に通して得られる出力値、あるいはその出力を行う処理のことです。
詳しく解説
ニューラルネットワークは人間の脳細胞（ニューロン）の仕組みを模しており、個々のノードが信号を受け取って次のノードへ伝達します。この際、単に入力された値をそのまま流すのではなく、非線形な変換を行う「活性化関数」を適用します。この関数を通した後の出力値を「アクティベーション」と呼びます。アクティベーションは、モデルが複雑なパターンや非線形な関係性を学習するために極めて重要であり、これがなければネットワークは単なる線形回帰の組み合わせになってしまい、複雑な課題を解くことができません。
具体例・使われ方
例えば、画像認識AIにおいて、初期の層のアクティベーションはエッジや境界線といった単純な特徴に反応し、より深い層のアクティベーションは顔や車といった複雑なオブジェクトのパーツに強く反応（活性化）します。特定の画像を入力した際に、どのノードがどの程度活性化しているかを可視化することで、AIが画像のどこに注目しているかを分析することができます。
似た用語との違い
「アクティベーション」と「重み」は混同されやすいですが、明確に異なります。重みは入力信号の重要度を調整するパラメータであり、学習プロセスを通じて更新され、モデル内に保存される静的な値です。一方、アクティベーションは入力データが与えられた際にリアルタイムで計算される動的な出力値です。
注意点
アクティベーションの設計において、すべてのノードの出力がゼロまたは極端に小さな値になってしまう「勾配消失問題」や、逆に値が巨大化してしまう「勾配爆発問題」に注意する必要があります。また、特定のアクティベーションが常にゼロになってしまい、学習が進まなくなる「死んだニューロン」の現象（特にReLU関数で見られる）を防ぐための適切な関数選定や初期化が必要です。