ホワイトノイズとは、すべての周波数成分で等しい強度を持つランダムな信号やデータの乱れのことです。AIや機械学習の分野では、データの強靭性を高めるデータ拡張や、画像生成を行う拡散モデルにおける初期ノイズ、時系列データ分析での予測モデルの誤差評価などに幅広く利用される重要な基礎概念です。
ホワイトノイズとは
ホワイトノイズとは、全周波数帯域にわたってパワーが均一に分布するランダムなデータや音の乱れのことです。
詳しく解説
ホワイトノイズは光における「白色光」がすべての波長を含むことに由来して名付けられました。統計的には、各時点のデータが無相関で平均値がゼロのランダムな確率過程として表現されます。AIや機械学習の領域において、ホワイトノイズは重要な役割を果たします。例えば、学習データに意図的に雑音を加えるデータ拡張に用いられ、モデルの過学習を防ぐ効果があります。また、画像などを生成する拡散モデルでは、入力画像にホワイトノイズを段階的に加えて完全に破綻させた状態から、元の画像を復元するプロセスを学習します。さらに、時系列データ解析においては、モデルの予測残差がホワイトノイズであるかどうかを確認することで、データに含まれる情報が正しく抽出されたかを評価します。
具体例・使われ方
1. 拡散モデルを用いた画像生成での初期ノイズや学習過程におけるノイズ加算。 2. 音声認識や画像認識モデルの堅牢性を高めるためのデータ拡張としてのノイズ追加。 3. 時系列データ分析における売上予測モデルの予測誤差（残差）の評価。
似た用語との違い
ホワイトノイズと混同されやすい概念に「ピンクノイズ」や「ガウシアンノイズ」があります。ピンクノイズは周波数が高くなるほど強度が低下するノイズであり、自然界の音に近い特徴を持ちます。一方、ガウシアンノイズは値の出現確率が正規分布に従うノイズを指します。ホワイトノイズは「周波数特性が均一」という概念であり、分布の形状を指すガウシアンノイズとは定義の視点が異なりますが、AI分野では両方の性質を兼ね備えた「ガウス型ホワイトノイズ」がよく使われます。
注意点
AIモデルの学習においてホワイトノイズを過剰に付加すると、元データの重要情報が打ち消され、モデルの学習が進まなくなるリスクがあります。また、生成AIや予測モデルの評価において、ノイズの特性を正しく理解せずに全帯域均一のノイズを前提とすると、現実世界の複雑な環境に対応できないモデルが構築される可能性があります。