潜在ベクトルとは

まず押さえる結論

潜在ベクトルは、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です。そうした潜在ベクトルが取り得る値の集まり全体は、潜在空間という別の語で呼びます。エンコーダ・デコーダは、潜在ベクトルを作る処理と受け取る処理で、潜在ベクトルそのものではありません。

比較記事でさらに確認する

潜在ベクトルの具体例と、問題文で見る箇所・隣接概念との境界

潜在ベクトルを、1件の入力に対応する数値の並びとして捉え、その取り得る値の集まりである潜在空間と区別する

VAE（変分オートエンコーダ）では、エンコーダが入力データを受け取り、その特徴を表す数値の並びを出力します。この数値の並びが潜在ベクトルです。原論文はこの観測されない変数を、符号化理論の観点から潜在表現または符号と解釈でき、データが与えられたときの潜在変数の分布を返すモデルを確率的エンコーダ、潜在変数が与えられたときのデータの分布を返すモデルを確率的デコーダと呼ぶと述べています。

問題文で見る箇所

G検定では、潜在ベクトルと潜在空間の取り違えを狙う選択肢に注意します。「1件のデータに対応する数値の並び」なら潜在ベクトル、「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」なら潜在空間です。

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です。そうした潜在ベクトルが取り得る値の集まり全体は、潜在空間という別の語で呼びます。エンコーダ・デコーダは、潜在ベクトルを作る処理と受け取る処理で、潜在ベクトルそのものではありません。

誤答しやすい選択肢

• 潜在ベクトルを、潜在ベクトルが取り得る値の集まり全体として説明する。集まり全体を指すのは潜在空間で、潜在ベクトルはその中の1件分の数値の並びである。
• 潜在ベクトルを、人が観測して集めた入力データそのものとして説明する。潜在とは観測されないという意味で、潜在ベクトルはモデルが学習の中で作る内部表現である。
• 潜在ベクトルを、入力データを圧縮する処理やデコーダが出力する復元データとして説明する。圧縮する処理はエンコーダ、復元データを出すのはデコーダで、潜在ベクトルはその2つの間にある内部表現である。

4段階の判断手順

1. 01設問が、1件のデータの表現を問うているか、その取り得る範囲を問うているかを先に分ける。
2. 021件分の数値の並びであれば潜在ベクトル、範囲・次元数・事前分布・可視化であれば潜在空間と対応づける。
3. 03どちらでもなく変換する処理を問うていれば、作る側がエンコーダ、受け取る側がデコーダという向きを確認する。

到達条件: 潜在ベクトルを、エンコーダが入力の特徴を圧縮して作る1件分の数値の並びとして、取り得る値の集まりである潜在空間や、エンコーダ・デコーダという処理と区別して説明できる。

試験での問われ方

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

同じ章で確認したい用語

他資格でも出題される用語