打切り誤差とは、無限に続く計算や数式展開を有限回の処理で途中で終了することにより生じる真値との誤差です。AIや数値解析では、テイラー展開の近似や勾配降下法などの反復計算を途中で停止する際に発生します。計算リソースと精度のバランスを取るために不可欠な概念であり、桁数制限に起因する丸め誤差とは区別されます。
打切り誤差とは
打切り誤差とは、無限に続く計算手順や数学的な級数展開を有限のステップで途中で打ち切ることによって生じる、理論値と計算値の差のことです。
詳しく解説
数値解析や機械学習において、無限回の反復計算や無限級数をそのままコンピュータで実行することはできません。例えば、複雑な関数を近似するテイラー展開の高次項を無視したり、勾配降下法などの最適化アルゴリズムにおいて収束判定基準を満たした時点で反復処理を終了したりします。この際に切り捨てられた部分が打切り誤差となります。打切り誤差を小さくするには反復回数や近似の次数を増やす必要がありますが、その分だけ計算コストが増加するため、精度と計算資源のトレードオフを考慮して制御することが重要です。
具体例・使われ方
具体例として、ディープラーニングのモデル学習において勾配降下法を用いて損失関数を最小化する際、無限回更新するのではなく一定のエポック数や変化量の閾値で反復を打ち切るケースが挙げられます。また、物理シミュレーションや拡散モデルの微分方程式を解くオイラー法などで、時間の刻み幅を有限に設定して高次の微小項を切り捨てる際にも打切り誤差が生じます。
似た用語との違い
混同されやすい概念に丸め誤差があります。丸め誤差はコンピュータが浮動小数点数を表現する際の桁数制限（ビット数の限界）によって生じる誤差です。一方、打切り誤差は数式やアルゴリズムの手順自体を有限回で中断・近似することによって生じる数理的な誤差であり、マシンのビット長を増やしてもアルゴリズム自体の打ち切り基準を変えない限り解消されません。
注意点
打切り誤差を減らそうとして反復回数を極端に増やしたり微分の刻み幅を極小にしたりすると、計算時間が膨大になるだけでなく、演算の累積による丸め誤差が逆に増大して全体の精度が悪化することがあります。また、機械学習の学習ループを早期に打ち切りすぎると未学習になり、逆に進めすぎると過学習のリスクが高まる点にも注意が必要です。