重みとは、人工知能や機械学習モデルにおいて、入力データの特徴が予測結果に与える影響の大きさを表す数値（パラメータ）です。学習の過程でデータをもとに調整され、AIの精度を決定づける重要な要素となります。重みの値が大きくなるほど、その入力情報が最終判断に及ぼす影響が強くなります。
重みとは
一言でいうと、AIが判断を下す際に入力データの各要素をどの程度重要視するかを示す「数値の重み付け」のことです。
詳しく解説
ディープラーニングなどのニューラルネットワークでは、入力層から出力層へとデータが伝達される際、各ノード間に「重み」が設定されています。重みは、モデルの内部パラメータの一部であり、学習データを用いて予測と正解の誤差を計算し、誤差逆伝播法などを通じて最適化（調整）されていきます。適切な重みが設定されることで、AIは複雑なパターンや特徴を正確に認識できるようになります。また、重みとともに調整されるパラメータとしてバイアスが存在します。
具体例・使われ方
例えば、不動産の価格予測AIにおいて、「駅からの距離」「部屋の広さ」「築年数」などの入力項目があります。このとき、AIが「部屋の広さ」を価格の決定要素として重要視する場合、部屋の広さに対する重みの値が大きく設定されます。逆に、価格にあまり影響しない項目の重みは小さく、あるいは負の値に調整されます。
似た用語との違い
混同されやすい概念として「バイアス」があります。重みは入力データ（特徴量）に対する掛け算の係数（重要度）であるのに対し、バイアスは入力に関わらず出力全体を並行移動させる足し算の定数です。また、「ハイパーパラメータ」は学習開始前に人間が設定するパラメータ（学習率など）ですが、重みは学習を通じてAI自身が最適化するパラメータである点が異なります。
注意点
重みは学習を通じて最適化されますが、学習データが偏っていると過学習を起こし、未知のデータに対して正しく予測できなくなるリスクがあります。また、膨大な数の重みを持つ大規模なモデルでは、個々の重みがどのような理由でその値になったかを人間が直感的に解釈することが難しくなる点にも注意が必要です。