生成AIパスポート 用語解説
隠れ層とは
ニューラルネットワークで、データを受け取る層と結果を出力する層の間に位置する層。ここでの計算を通じて、データの特徴が段階的に変換される。
まず押さえる結論
隠れ層は、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
特定のネットワーク構造に固有の仕組みではなく、入力と出力の間に位置する層という位置づけそのものとして捉える
RNN（回帰型ニューラルネットワーク）だけでなく、CNNやVAE（変分自己符号化器）のエンコーダなど、多くのニューラルネットワークで、データを受け取る層と結果を出力する層の間には隠れ層があります。隠れ層で行われる計算によって、入力データの特徴が段階的に、より扱いやすい表現へと変換されていきます。RNNの場合、この隠れ層の状態を次の時点の入力へ戻す働きを担うのがリカレント層です。
- 問題文で見る箇所
- 「入力と出力の間」「特徴を段階的に変換する」という位置づけの記述があれば隠れ層を候補にします。前の時点の状態を次の時点へ戻すという時間方向の働きが書かれていれば、隠れ層そのものではなくリカレント層を候補にします。
- 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、データを受け取る層と結果を出力する層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、より限定された時間方向の働きを持つ層を指します。
誤答しやすい選択肢
- 前の時点の出力を次の時点の入力へ戻す働きを、隠れ層そのものの定義として説明する。この働きはRNNのリカレント層が担う役割です。
- データを受け取る層そのものを隠れ層と呼ぶ。データを受け取るのはそれより前段にあたる層で、隠れ層はその後段に位置します。
- 結果を出力する層そのものを隠れ層と呼ぶ。結果を出力するのはそれより後段にあたる層で、隠れ層はその前段に位置します。
4段階の判断手順
- 01設問がどのネットワーク構造（CNN・RNN・VAEなど）を前提にしているかを確認する。
- 02層の位置づけを問う記述か、前の時点の状態を次に戻す働きを問う記述かを区別する。
- 03前の時点の状態を戻す働きの記述であれば、隠れ層ではなくリカレント層を候補にする。
- 04データを受け取る層・結果を出力する層そのものと、その間に位置する隠れ層を混同していないか見直す。
到達条件: 隠れ層をデータを受け取る層と結果を出力する層の間に位置する層として説明し、RNNにおけるリカレント層との役割の違いを言える。
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
文章を時系列順に処理して前の状態を次へ渡すネットワークと、画像の局所特徴を扱うネットワークを区別したい。正しい説明はどれか。
この事例では「系列処理のRNNと画像処理のCNNを役割で区別するか」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
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。
同じ章で確認したい用語
到達チェック
- 隠れ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、隠れ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）