【G検定過去問風テスト】前後の文脈を同時に捉える「双方向RNN（Bidirectional RNN）」

2026年7月28日 2026年7月28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

通常のリカレントニューラルネットワーク（RNN）の構造を拡張し、過去から未来方向だけでなく、未来から過去方向のデータも同時に読み込ませて文脈の理解精度を高める「双方向RNN（Bidirectional RNN）」に関する説明として、最も適切な選択肢を1つ選べ

A）双方向RNNは、過去の情報を一切使わず、常に未来の情報だけで予測を行うため、時系列データを一切扱えないという致命的な弱点を持つ
B）双方向RNNは、順方向と逆方向の2つのネットワークを使って文章を両側から読み込み、それぞれの情報を合体させることで前後の文脈をより正確に把握することができる
C）双方向RNNは、LSTMにあったセル状態を廃止し、ゲートの数を1つにまで絞り込むことで極限まで軽量化したモデルである
D）双方向RNNは、ネットワークの重みを強制的に固定し、学習を行わずに推論のみを高速で行うための特殊なアルゴリズムである

🔍 ここをクリックして正解を見る

正解: ○）B）双方向RNNは、順方向と逆方向の2つのネットワークを使って文章を両側から読み込み、それぞれの情報を合体させることで前後の文脈をより正確に把握することができる

💡 合格に近づく！徹底解説

重要度: ★★☆

■ 1分で分かる！この問題の要点

双方向RNNは、文章を「過去から未来（左から右）」だけでなく「未来から過去（右から左）」の両方向から同時に読み込むモデル。
前後の文脈を考慮できるため、予測精度が大幅にアップする。

■ 初学者向け解説（例え話や背景）

通常のRNNは、左から右へ本を読むようにしか文章を理解できません。しかし、人間の脳は文章を読むとき、後ろに書いてある言葉も含めて全体の意味を無意識に推測しています。

例えば、「私は［］が運転する車に乗った。」という文の空欄を埋めるとき、前だけを見ても「私」という情報しかありませんが、後ろの「が運転する車に乗った」という未来の情報を見ることで、「お父さん」や「プロのドライバー」といった適切な言葉がぐっと絞り込めます。この発想を取り入れ、右から左へ読む逆方向のネットワークも同時に走らせて合体させたのが「双方向RNN」です。

■ 選択肢の解説

A) 双方向RNNは、過去の情報を一切使わず、常に未来の情報だけで予測を行うため、時系列データを一切扱えないという致命的な弱点を持つ（×）: 過去の情報だけでなく未来の情報も「合わせて」使うのが双方向RNNであり、時系列データを扱う代表的なモデルです。
B) 双方向RNNは、順方向と逆方向の2つのネットワークを使って文章を両側から読み込み、それぞれの情報を合体させることで前後の文脈をより正確に把握することができる（○）: 正しい記述です。双方向RNNの目的と仕組みを正確に表しています。
C) 双方向RNNは、LSTMにあったセル状態を廃止し、ゲートの数を1つにまで絞り込むことで極限まで軽量化したモデルである（×）: 軽量化のモデルはGRUです。双方向化は、読み込みの方向を拡張するアプローチです。
D) 双方向RNNは、ネットワークの重みを強制的に固定し、学習を行わずに推論のみを高速で行うための特殊なアルゴリズムである（×）: 重みを固定するような推論専用のアルゴリズムではありません。

リンク