潜在空間とは、画像や文章などの複雑なデータを、AIが意味や特徴を捉えて圧縮・配置した数値表現の空間です。類似したデータが近い位置に集まるため、AIはデータの概念的な類似性を計算したり、滑らかな補間によって新しいデータを生成したりできます。画像生成AIや自然言語処理の基礎となる極めて重要な概念です。
潜在空間とは
潜在空間とは、複雑なデータをAIが扱いやすい低次元の数値表現として圧縮・配置した空間のことです。データが持つ意味や特徴の類似性が空間上の距離や方向に反映される点が大きな特徴です。
詳しく解説
画像や文章などの実世界データは非常に多くの情報量を持っています。機械学習モデルは、エンコーダーと呼ばれる変換機構を用いて、これらのデータから本質的な特徴量のみを抽出して潜在空間へと変換します。潜在空間内では意味が似ているデータ同士が近くに配置され、概念の違いが空間上の方向として表現されます。生成AIでは、潜在空間内の点からデコーダーや拡散モデルを用いて高品質なデータを復元・生成することができ、表現の効率化と高度な生成処理を両立させる基盤となっています。
具体例・使われ方
例えば、画像生成AIでは「猫」や「犬」の画像が潜在空間上で近い場所に配置されます。テキスト処理では「王」から「男」を引いて「女」を足すと「女王」の位置に移動するような概念の演算が可能です。また、次元削減技術を活用することで、データ圧縮やデータ間の自然な補間生成に応用されています。
似た用語との違い
画像ピクセルなどの生データそのものを表す「入力空間」が人間にとって直感的な表現形式であるのに対し、潜在空間はAIが意味を理解するために構築した概念的な空間です。また、単一の属性数値を指す「特徴量」に対して、潜在空間はその特徴量が配置される多次元の空間全体を指します。
注意点
潜在空間はモデルが自動的に構築するため、各軸が何を意味しているのかを人間が直接解釈することは困難です。また、学習データに偏りがあると潜在空間にも偏りが生じ、偏見のある出力や意図しないデータの歪みが発生するリスクがあります。