機械学習においてノイズとは、データに含まれる本来の不要な不純物や歪みのことです。学習の妨げとなり、モデルの精度低下や過学習を引き起こす要因となります。一方で、画像生成に用いられる拡散モデルのように、あえてノイズを利用して新しいデータを生成する技術も存在します。適切な前処理によりこれらを除去・制御することがAI開発において極めて重要です。
ノイズとは
ノイズとは、データの中に含まれる、本質的なパターンや意味を持たない無関係な不要データ、不純物、または測定誤差のことです。機械学習においては、予測や分類の精度を低下させる大きな要因となるため、一般的には除去すべき対象とされます。
詳しく解説
AIの学習段階において、教師データに不要な揺らぎや誤った情報（ノイズ）が多く含まれていると、機械学習モデルは本来の規則性ではなくそのノイズまで学習してしまいます。これにより、未知のデータに対して正確な予測ができなくなる過学習という現象が発生します。データの品質を高めるためには、事前に無駄な情報を取り除く前処理の工程が不可欠です。しかし、近年ではノイズを逆手に取った技術も発展しており、例えば、ランダムなノイズから徐々に鮮明な画像を復元していく拡散モデルなどの生成AI技術において、ノイズは重要な構成要素となっています。
具体例・使われ方
具体的な例として、音声認識AIにおける「背景の雑音（車の音や風の音）」や、画像認識AIにおける「手ブレによるボケや不要な写り込み」が挙げられます。また、アンケートデータにおける「入力ミスやでたらめな回答」もデータ分析における典型的なノイズです。
似た用語との違い
ノイズと混同されやすい概念に「外れ値」があります。外れ値とは、他のデータから大きく外れた値のことであり、これには測定エラー（ノイズ）だけでなく、滅多に発生しないが本質的に正しい「稀な事象」も含まれます。ノイズが「無意味な邪魔者」であるのに対し、外れ値は「意味のある特異なデータ」である可能性がある点が異なります。
注意点
すべてのノイズを完全に排除することが最適とは限りません。ノイズを過剰に排除しすぎると、データの多様性が失われ、現実世界の複雑な環境に対応できないモデルになってしまうことがあります。また、何が不要なノイズで、何が重要な特徴量であるかを見極めるのは容易ではなく、前処理の設計には高度な専門知識が求められます。