リカーレントニューラルネットワーク（RNN）は、内部にループ構造を持ち、時系列データや言語などの連続データを処理できる人工知能のモデルです。過去の情報を記憶しながら新しい入力信号を処理できるため、音声認識や翻訳などで広く活用されてきました。
リカーレントニューラルネットワークとは
一言でいうと、過去の記憶を保持しながら連続したデータを順番に処理できるニューラルネットワークの仕組みです。
詳しく解説
通常の順伝播型ニューラルネットワークとは異なり、RNNは隠れ層の出力が再び同じ隠れ層へ入力されるループ構造を持っています。この構造により、任意の長さの時系列データに対応することが可能です。過去の入力情報が現在の予測に影響を与えるため、文脈や時間の経過に伴う変化を捉えることができます。音声認識、機械翻訳、時系列予測などの分野で長年にわたり中核的な技術として発展してきました。
具体例・使われ方
例えば、スマートフォンの文字入力における予測変換機能では、直前に入力された単語の文脈を考慮して次に続く言葉を予測する際に活用されます。また、音声認識システムでは連続した音声波形を時系列データとして処理し、テキストへ変換するために利用されます。
似た用語との違い
畳み込みニューラルネットワーク（CNN）が画像などの空間的な特徴を捉えることに特化しているのに対し、リカーレントニューラルネットワークは時間的な連続性や順序関係を持つデータを扱うことに特化しています。また、近年注目されているトランスフォーマーと比較すると、RNNはデータを順番に処理するため長大な依存関係の学習が苦手という違いがあります。
注意点
データの時系列を順に処理するため並列化が難しく、学習に時間がかかるという計算上の制約があります。また、系列が長くなるにつれて過去の重要な情報が失われてしまう勾配消失や勾配爆発の問題が発生しやすいため、実際の運用ではLSTMやGRUなどの発展形が用いられることが一般的です。