ベクター（ベクトル）とは、AIや機械学習において、複数の数値データを一列に並べて表現したものです。画像、音声、テキストなどの多様な情報を数値の羅列へと変換することで、コンピューターがデータの意味や特徴を計算できるようになります。AIモデルが情報を理解し、検索や分類などの処理を行うための基盤となる概念です。
ベクターとは
ベクターとは、複数の数値を一列に並べて表現したデータ構造のことです。人工知能（AI）の分野では、画像やテキストなどの複雑な情報をコンピューターが処理できるように、数値の集まりとして表現するために用いられます。高次元空間における位置を示す座標として捉えることもでき、データ同士の類似度を計算する際の基礎となります。
詳しく解説
AIや機械学習において、画像や文章などの非構造化データはそのままでは処理できません。そのため、これらを特徴量と呼ばれる数値の集まりに変換します。この変換プロセスを埋め込みと呼び、得られた数値を並べたものがベクターです。ベクターは数万から数百万という膨大な次元を持つことがあり、これを高次元空間と呼びます。この空間内でのベクター同士の距離を計算することで、AIはデータ間の類似性を認識できるようになります。ベクターを効率的に管理・検索するシステムとしてベクターデータベースも注目されています。
具体例・使われ方
例えば、自然言語処理において言葉をそれぞれ数百個の数値からなるベクターとして表現します。このとき、王様から男を引き、女を足すと女王に近づくといった、意味の足し算・引き算をベクターの演算で表現することが可能です。また、画像検索エンジンでは、アップロードされた画像をベクターに変換し、データベースに登録されている画像のベクターとの距離を計算して、最も見た目や内容が似ている類似画像を瞬時に見つけ出します。
似た用語との違い
混同されやすい概念としてスカラーや行列があります。スカラーは単一の数値を指し、ベクターは複数の数値を一列に並べたものです。一方、行列はベクターを複数並べて格子状にしたデータ構造を指します。また、ベクターそのものは単なる数値の列ですが、AIがデータの性質を抽出した具体的な情報を特徴量と呼び、それを数値化した表現方法の一つがベクターです。
注意点
ベクターは強力ですが、扱う次元数が大きくなりすぎると、データ間の距離がすべて等しく感じられてしまう次元の呪いという現象が発生し、類似度計算の精度が低下することがあります。これに対処するために、情報の損失を抑えつつ次元を減らす次元削減という技術が必要になります。また、ベクター自体は単なる数値の羅列であるため、人間が直接見てもどのような意味を持っているのかを直感的に解釈することは困難です。