ニューラルネットワークは、最初から正しい答えを出せるわけではありません。
むしろ学習の最初は、たくさん間違えます。
ではAIは、どうやって学習していくのでしょうか。
AIがテストを受ける学生であると想像してみてください。
問題が与えられ、AIは自分なりの答えを出します。
たとえば、画像を見て「これは猫です」と予測したとしましょう。
しかし、本当の答えは「犬」だったとします。
ここで必要になるのが、どれくらい間違っていたのかを測る仕組みです。
テストでは、先生が採点します。
・正解なら減点はありません
・少し違えば少し減点
・大きく間違えれば大きく減点
AIの学習でも同じように、「どれくらい間違っているか」を数値で測る仕組みがあります。
AIの出した答えと、本当の答えを比べて、「どれくらいズレているか」を計算するのです。
このとき使われるのが誤差関数（Loss Function）です。
誤差関数は、AIの予測と正解の差を数値で表すものです。
例えば
・正解にとても近い → 誤差が小さい
・大きく外れている → 誤差が大きい
この誤差の大きさをもとにして、ニューラルネットワークは「どこを修正すればよいか」を学習していきます。
つまりAIは、誤差を小さくする方向に少しずつ調整しながら学んでいくのです。
AIの学習を一言で言えば、減点をできるだけ減らしていくこととも言えます。
最初は大きく間違えていた予測も、誤差関数による評価を何度も受けながら、少しずつ正解に近づいていきます。
このように、AIにとって誤差関数は「先生の採点ルール」のような役割を果たしています。
next ▶ 代表的な誤差関数