白色雑音（ホワイトノイズ）とは、すべての周波数成分が均等に含まれるランダムな信号です。時系列解析や信号処理の基礎であるだけでなく、AI分野においてはデータ拡張による過学習の防止や、拡散モデルをはじめとする生成AIの初期入力など、ノイズから新しいデータを創り出すための極めて重要な基礎技術として活用されています。
白色雑音とは
白色雑音（ホワイトノイズ）とは、すべての周波数成分が均等な強度（スペクトル密度）で含まれているランダムな信号またはノイズのことです。AIや機械学習の分野においては、データの不確実性を表現する基礎的な要素として広く用いられます。
詳しく解説
白色雑音は、統計学における基本的な概念であり、時系列解析や信号処理、機械学習において重要な役割を果たします。その最大の特徴は、任意の異なる二つの時点における値の間に相関がない（自己相関がゼロである）点にあります。ディープラーニングの領域、特に画像生成や音声合成などを行う生成AIにおいては、この予測不可能性が新しいデータを創り出すための起点（初期状態のノイズ）として機能します。例えば、近年急速に発展した「拡散モデル」では、元のデータに段階的に白色雑音を加えていき、最終的に完全なノイズとなった状態から逆プロセスの学習を通じて高精度な画像を復元・生成します。
具体例・使われ方
機械学習における具体的な利用例として、過学習を防ぐためのデータ拡張（Data Augmentation）において画像や音声データにあえて白色雑音を付加する手法があります。また、拡散モデルによる画像生成プロセスでは、何もない状態（完全な白色雑音）から徐々に不要な成分（ノイズ）を取り除いて鮮明なイラストや写真を生成する初期入力として利用されます。
似た用語との違い
白色雑音と混同されやすい概念として「ピンクノイズ（有色雑音）」があります。白色雑音はすべての周波数でエネルギーが均等であるのに対し、ピンクノイズは周波数に反比例してエネルギーが弱まる特性を持ちます。また、白色雑音のうち各時点の値が正規分布に従うものを「ガウス雑音」と呼びます。白色雑音は値の分布の形状を限定しませんが、ガウス雑音は統計的な扱いやすさから、AIモデルのノイズ付加などで最も一般的に併用されます。
注意点
白色雑音は理論上、無限の周波数帯域にわたって一定の強度を持つと定義されますが、現実のデジタル信号処理や計算機上では、無限の周波数を扱うことは不可能です。そのため、実用上はサンプリングレートなどの制約に基づいた有限の帯域幅を持つ近似的な白色雑音（帯域制限白色雑音）が使用されます。また、すべての「ガウス雑音」が「白色雑音」であるとは限らず、その逆も同様であるため、ノイズの「周波数特性（白色性）」と「値の分布（ガウス性）」は区別して理解する必要があります。