生成AIパスポート 用語解説
リカレント層とは
RNN（回帰型ニューラルネットワーク）を構成する層で、前の時点の出力を次の時点の入力へ戻すことで、文章のような順序を持つシーケンスデータを扱う。
まず押さえる結論
リカレント層は、生成AIパスポートの「第2章 生成AI（ジェネレーティブAI）」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
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。 一次情報確認日: 2026-06-27。
公式シラバス（PDF）（公式）具体例から判断の境界を固める
隠れ層一般の位置づけではなく、前の時点の出力を次の時点の入力へ戻すRNN特有の仕組みとして捉える
文章のように順序を持つシーケンスデータを扱う際、RNN（回帰型ニューラルネットワーク）はリカレント層によって、前の時点で計算した隠れ層の状態を次の時点の入力へ戻します。この仕組みにより、それまでに読んだ単語の情報を引き継ぎながら、順序を考慮した処理ができます。もっとも通常のリカレント層は離れた時点の情報を保持し続けるのが難しく、この課題に対応して登場したのがLSTM（長・短期記憶）です。
- 問題文で見る箇所
- 「前の時点の出力を次の時点の入力へ戻す」「順序のあるシーケンスデータを扱う」という記述があればリカレント層を候補にします。入力と出力の間に位置するという位置づけの記述だけであれば、リカレント層固有の働きではなく隠れ層一般の説明である可能性を疑います。
- 隣接概念との境界
- 隠れ層はニューラルネットワーク全般に共通する、入力と出力の間に位置するという位置づけの層です。リカレント層はRNNの中で、その隠れ層の状態を次の時点の入力へ戻すという時間方向の情報伝達を担う特有の仕組みを指します。離れた時点の情報を保持しやすくした発展形がLSTM（長・短期記憶）です。
誤答しやすい選択肢
- 入力と出力の間に位置するという一般的な位置づけだけをリカレント層の定義とする。この位置づけはニューラルネットワーク全般に共通する隠れ層の説明であり、リカレント層固有の働きではありません。
- リカレント層と、必要な情報を長く保持したり忘れたりする仕組みを持つLSTM（長・短期記憶）を同じ働きとして扱う。LSTMは通常のリカレント層が抱える長期的な情報保持の課題に対応して登場した、より発展したモデルです。
- 画像のような順序を持たないデータの特徴抽出をリカレント層の役割とする。順序を持たないデータの特徴抽出はCNNなど別の構造が担います。
4段階の判断手順
- 01設問が扱うデータに、文章のような順序（時間方向の並び）があるかを確認する。
- 02前の時点の出力を次の時点の入力へ戻すという記述があるかを探す。
- 03位置づけの説明だけであれば、リカレント層固有の働きではなく隠れ層一般の説明である可能性を確認する。
- 04長期的な情報の保持・忘却を扱う記述であれば、通常のリカレント層ではなくLSTM（長・短期記憶）を候補にする。
到達条件: リカレント層を前の時点の出力を次の時点の入力へ戻す仕組みとして説明し、隠れ層一般の位置づけやLSTM（長・短期記憶）との違いを言える。
試験での問われ方
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。
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。
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
×ハルシネーション・アライメント・ファインチューニングの取り違え。事実と異なるもっともらしい出力＝ハルシネーション、人間の意図に沿わせること＝アライメント、追加学習で調整＝ファインチューニング。
×GANとVAEの混同。GANは生成器と識別器を競わせる方式、VAEはエンコーダ・デコーダと潜在ベクトルを使う方式。
×Transformerの中核を畳み込みや位置エンコーディングと取り違える。中核は自己注意（Self-Attention）。
関連する確認問題
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
時系列の売上を順番に読み、直前までの情報を内部状態へ保持するネットワークを判断したい。正しい説明はどれか。
この事例では「過去の状態を再帰的に次の処理へ渡すRNNか」を確認すると、CNN（畳み込みニューラルネットワーク）とは、文章や時系列のような順序のある系列データを、隠れ層（リカレント層）で前の情報を保持しながら順に処理していくニューラルネットワークであるに絞れる。正解は「CNN（畳み込みニューラルネットワーク）とは、文章や時系列のような順序のある系列データを、隠れ層（リカレント層）で前の情報を保持しながら順に処理していくニューラルネットワークである」（誤り）である。CNNは画像認識などで広く使われ、フィルタを用いた畳み込みによって画像の局所的な特徴を抽出することを中核とするニューラルネットワークであり、設問の説明は系列データを扱うRNNの定義をCNNに誤って当てはめている。GAN・RNN・LSTMの説明はいずれも正しい。
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
文章や時系列のような順序のある系列データ（シーケンスデータ）を、隠れ層（リカレント層）で前の情報を保持しながら順に処理していくニューラルネットワークはどれか。
正解は「RNN（回帰型ニューラルネットワーク）」である。RNNは、隠れ層（リカレント層）で前の情報を保持しながら、文章や時系列のような順序のある系列データ（シーケンスデータ）を順に処理していくニューラルネットワークである。問題文の「隠れ層（リカレント層）」「前の情報を保持」「順に処理」という条件は、RNNの構造そのものである。CNN（畳み込みニューラルネットワーク）はフィルタによる畳み込みで画像の局所的な特徴を抽出するモデル、GAN（敵対的生成ネットワーク）は生成器と識別器という2つのネットワークを競わせる方式、VAE（変分自己符号化器）はエンコーダ・デコーダと潜在ベクトルで復元する方式であり、いずれも隠れ層で前の情報を保持しながら系列を順に処理する仕組みではない。
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
生成AIを支えるニューラルネットワークの種類に関する次の説明のうち、誤っているものはどれか。
正解は「CNN（畳み込みニューラルネットワーク）とは、文章や時系列のような順序のある系列データを、隠れ層（リカレント層）で前の情報を保持しながら順に処理していくニューラルネットワークである」（誤り）である。CNNは画像認識などで広く使われ、フィルタを用いた畳み込みによって画像の局所的な特徴を抽出することを中核とするニューラルネットワークであり、設問の説明は系列データを扱うRNNの定義をCNNに誤って当てはめている。GAN・RNN・LSTMの説明はいずれも正しい。
同じ章で確認したい用語
到達チェック
- リカレント層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、リカレント層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
執筆: ミナト編集部（運営者情報を見る）