【G検定対策】多層パーセプトロンと活性化関数がもたらすAIの進化とは？

2026年7月24日 2026年7月24日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

多層パーセプトロン（MLP）およびニューラルネットワークの構造に関する記述として、最も適切な選択肢を1つ選べ。

🔍 ここをクリックして正解を見る

多層パーセプトロン（MLP）は、入力層と出力層の間に「隠れ層（中間層）」を追加したモデル。
隠れ層に加え、シグモイド関数などの「非線形」な活性化関数を用いることで、グニャグニャ曲がった複雑な境界線を引けるようになりXOR問題を克服した。

単純パーセプトロン（ご先祖様）は「1本のまっすぐな定規」しか持っていなかったため、複雑なデータを分けられませんでした。

そこで登場したのが「多層パーセプトロン」です！
会社で例えるなら、社長（入力）と現場（出力）の間に「熟練のマネージャー層（隠れ層）」を挟み込んだようなものです。

さらに、データに「ぐにゃり」とカーブをかける「非線形の活性化関数」という必殺技を組み合わせることで、まっすぐな線だけでなく「グニャグニャと自由に曲がる境界線」を引っ張れるようになりました。

これによって、どうしても解けなかった「XOR問題」を見事にクリアし、AIは一気に賢くなったのです！

A) 多層パーセプトロンは入力層と出力層のみで構成され、中間層（隠れ層）を一切持たない単純なモデルである。（×）: 隠れ層を持たないのは「単純パーセプトロン」です。多層パーセプトロンは隠れ層を持ちます。
B) 多層パーセプトロンにおいて、隠れ層に線形な活性化関数のみを適用した場合でも、非線形な境界線を描くことが可能となりXOR問題を解決できる。（×）: 線形関数（まっすぐな関数）を何層重ねても結局は「1本分と同じ直線処理」にしかならず、非線形分離はできません。必ず「非線形」な活性化関数が必要です。
C) 多層パーセプトロンは入力層・隠れ層・出力層から構成され、非線形の活性化関数を組み合わせることで複雑な曲線の境界線を引くことができる。（○）: 記述の通り正解です！「隠れ層」と「非線形の活性化関数」のペアがポイントです。
D) 多層パーセプトロンの隠れ層を何層も深く重ねたモデルであっても、識別精度は単純パーセプトロンと同等にとどまる。（×）: 隠れ層を深層化（3層以上など）して高度化させたものが「ディープラーニング」であり、単純パーセプトロンよりも飛躍的に高度で複雑な識別や生成が可能になります。

リンク