大域的極大解とは、定義域全体の中で目的関数の値が最も大きくなる解のことです。AIや機械学習の最適化において、評価指標や報酬を最大化する際の理論的な最高地点を指します。局所的な山頂である局所的極大解と区別され、強化学習や生成モデルの学習など、最大化を目指すタスクにおいて最も望ましい状態を表します。
大域的極大解とは
大域的極大解とは、定義域（探索範囲）の全領域において、目的関数の出力値が最も高くなる点（真の最高点）のことです。
詳しく解説
機械学習やディープラーニングにおける最適化において、モデルの予測精度や報酬などの指標を最大化する計算を行います。定義域全体のどこよりも高い値をとる状態が大域的極大解です。しかし、複雑なモデルの目的関数は多数の山や谷を持つ非凸な形状をしているため、通常の探索手法では途中の小さな山頂である局所的極大解にとらわれてしまい、大域的極大解に到達するのが困難な場合があります。そのため、適切なハイパーパラメータの設定や確率的探索アルゴリズムなどを組み合わせて、より良い解を探す工夫が行われます。
具体例・使われ方
山登りに例えると、ある山系において最も標高が高い「真の最高峰」が標高における大域的極大解です。強化学習のゲームAIにおいては、ゲームのスコアを最大化する最適な行動戦略を見つけることが大域的極大解の探索に相当します。また、生成モデルの精度向上において、最も高いパフォーマンスを発揮するパラメータ構成を見つける作業もこの概念に基づいています。
似た用語との違い
局所的極大解との違いは、比較する範囲にあります。局所的極大解は周辺の限られた範囲内でのみ最も高い点ですが、大域的極大解は全体の中で最も高い点です。また、損失関数などの誤差を最小化する問題で使われる大域的極小解とは、値を最小にするか最大にするかという目的の向きが逆の関係にあります。
注意点
AIの学習において、常に大域的極大解に到達できるとは限らない点に注意が必要です。高次元の複雑な空間では計算コストが膨大になり、現実的には大域的極大解に近い実用的な近似解で学習を終了することが一般的です。また、すべての学習が最大化を目指すわけではなく、誤差を減らす場合は大域的極小解を探すことになります。