機械学習や数値計算において、処理や予測が繰り返される過程で、各ステップで発生した微小な誤差が積み重なり、最終的な出力や予測の精度が大幅に低下する現象のこと。特に時系列予測や逐次的な計算モデル、ロボットの自己位置推定において顕著に現れやすく、時間の経過とともに誤差が指数関数的または線形的に増大するため、適切な補正技術が必要となります。
累積誤差とは
累積誤差（るいせきごさ）とは、AIモデルによる時系列予測や、自律移動ロボットの位置推定、あるいはコンピュータ内部の数値計算を繰り返す中で、各段階で生じた小さな誤差やノイズが時間の経過とともに足し合わされ、最終的な結果に大きなズレ（誤差）が生じる現象のことです。
詳しく解説
累積誤差は、主にステップバイステップで前の予測結果を次の入力として利用する自動回帰モデルや、逐次的なシミュレーションにおいて深刻な問題となります。例えば、長期の時系列予測を行う際、1期先の予測に含まれるわずかな誤差が、2期先、3期先の予測に引き継がれ、ステップが進むごとに指数関数的または線形的に誤差が拡大します。ディープラーニングにおける回帰結合型ニューラルネットワークや、強化学習における価値関数の更新プロセスなどでもこの現象が発生しやすく、モデルの学習の不安定化や、長期的な予測精度の低下を招く要因となります。
具体例・使われ方
具体例として、10日間の天気を毎日「前日の予測結果」をベースにして予測し続けるケースが挙げられます。1日目のわずかな予測のズレが、10日後には「晴れ」と「大雨」ほどの大規模な外れを引き起こすことがあります。また、自動運転車や自律ロボットのデッドレコニング（自律航法）において、タイヤの回転数や加速度センサーから位置を推定する際、測定センサーに含まれる微細な測定誤差が累積し、走行距離が長くなるにつれて自己位置の推定値が実際の場所から大きくずれてしまうのも累積誤差の典型例です。
似た用語との違い
累積誤差と混同されやすい言葉に丸め誤差があります。丸め誤差は浮動小数点数の表現限界によって生じる1回あたりの計算誤差自体を指しますが、累積誤差はそのような個別の小さな誤差が何度も繰り返されることで蓄積・増幅した結果を指します。また、ニューラルネットワークの訓練におけるバイアスはモデル全体の予測の偏りを指すのに対し、累積誤差は時系列的なプロセスの進行に伴う誤差の自己増幅という動的な側面を強調した概念です。
注意点
累積誤差は、単にモデルの予測精度を上げるだけでは完全に排除することが困難です。ステップ数が増えれば増えるほど不可避的に増大するため、蓄積を防ぐ仕組みが不可欠です。例えば、センサーによる位置補正や、時系列予測における教師強制といった、定期的に正しい真のデータを入力して誤差をリセットする技術的アプローチが求められます。