AI資格ドリル
資格を選ぶ

G検定 用語解説

潜在空間とは

潜在ベクトルが取り得る値の集まり全体。VAEでは入力データがこの空間の分布へ写され、次元を2次元のように低くすれば高次元データを低次元で可視化できる。

潜在空間の意味と見分け方

潜在空間は、G検定の「大項目5 ディープラーニングの要素技術」に出てくる用語です。見分けの要点は、潜在ベクトルは1件の入力に対してエンコーダが作る数値の並び、潜在空間はそうした潜在ベクトルが取り得る値の集まり全体です。VAEでは、原論文の例のように潜在変数の事前分布として平均0・単位共分散の多次元ガウス分布を置きます。

情報源と編集区分

公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。

試験概要(公式)

潜在空間の具体例と、問題文で見る箇所・隣接概念との境界

潜在空間を、1つの値ではなく、潜在ベクトルが取り得る値の集まり全体として捉える

VAE(変分オートエンコーダ)の原論文は、潜在空間の次元の数を変えて学習を比べる実験を載せています。余分な潜在変数があっても過学習は増えず、変分下限が持つ正則化の働きで説明できると述べています。また、潜在空間を2次元のように低い次元にすれば、学習したエンコーダで高次元のデータを低次元の多様体へ写して可視化できるとも述べています。

問題文で見る箇所
「潜在ベクトルが取り得る範囲」「次元を低くして可視化する」「事前分布を置く空間」という記述を確認します。1件のデータに対応する数値の並びを問う設問なら、潜在空間ではなく潜在ベクトルを候補にします。
隣接概念との境界
潜在ベクトルは1件の入力に対してエンコーダが作る数値の並び、潜在空間はそうした潜在ベクトルが取り得る値の集まり全体です。VAEでは、原論文の例のように潜在変数の事前分布として平均0・単位共分散の多次元ガウス分布を置きます。

誤答しやすい選択肢

  • 潜在空間を、入力データが存在する元の空間として説明する。潜在空間はエンコーダが作る内部表現が取り得る値の集まりで、元のデータの空間とは別に考える。
  • 潜在空間を、1件のデータに対応する1本の数値の並びとして説明する。1件のデータに対応するのは潜在ベクトルで、潜在空間はその取り得る値の全体である。
  • 潜在空間の次元を増やすと必ず過学習が進むと説明する。VAEの原論文の実験では、余分な潜在変数があっても過学習は増えなかったと報告されている。

4段階の判断手順

  1. 01設問が、1件のデータの表現(潜在ベクトル)を問うているか、その取り得る範囲(潜在空間)を問うているかを先に分ける。
  2. 02範囲であれば、次元の数、事前分布、低次元への可視化のどれに関する記述かを確認する。
  3. 03元データの空間と潜在空間が入れ替わっていないかを見直す。

到達条件: 潜在空間を、潜在ベクトルが取り得る値の集まり全体として、1件のデータの表現である潜在ベクトルや元のデータの空間と区別して説明できる。

試験での問われ方

01

定義の言い換え

用語そのものではなく、説明文の一部を言い換えて出されることがあります。

02

似た概念との比較

同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。

03

具体例からの判断

問題文の事例が、定義のどの部分に対応しているかを先に確認します。

誤答しやすいポイント

「大項目5 ディープラーニングの要素技術」の問題で、取り違えやすい組み合わせです。

  • CNN(画像・畳み込み/プーリング)とRNN(時系列・系列データ)の使い分けを取り違える。
  • LSTMとGRUのゲート数を混同する(LSTM=3ゲート+記憶セル、GRU=2ゲートに簡略化)。
  • 最適化手法を取り違える(モメンタム=慣性、AdaGrad/RMSProp=適応学習率、Adam=両方)。

関連する確認問題

大項目5 ディープラーニングの要素技術 / 生成モデルと注意機構

入力データをエンコーダで潜在ベクトルに圧縮し、デコーダで復元する構造を持ち、潜在空間からのサンプリングによってデータを生成する生成モデルはどれか。

正解は「変分オートエンコーダ(VAE)」である。変分オートエンコーダ(VAE)は、エンコーダで入力を潜在ベクトル(潜在空間)に圧縮し、デコーダで復元する構造を持つ生成モデルで、潜在空間からサンプリングして新しいデータを生成できる。CNNは主に画像認識、SVM・決定木は分類・回帰の手法で、生成モデルではない。 見分けるには、圧縮・復元の構造と、潜在空間からの生成ができるかをあわせて確かめる。CNNは局所特徴の抽出、SVMと決定木は分類・回帰が主な用途で、潜在空間からサンプリングして生成できるのは変分オートエンコーダだけである。 比較対象には「畳み込みニューラルネットワーク(CNN)」、「サポートベクターマシン(SVM)」も含まれる。

同じ章で確認したい用語

到達チェック

  • 潜在空間を一文で説明できる
  • 同じ章の似た用語と違いを説明できる
  • 問題文の具体例から、潜在空間に関係する論点を拾える
  • 関連問題を解き、誤答した選択肢の理由を確認できる

用語を試験範囲の流れで読み直す本(Amazon)

PR

執筆: AI資格ドリル編集部(運営者情報を見る)