バイアス項の役割
バイアス項は、線形モデルやニューラルネットワークで出力を平行移動させる切片のようなパラメータです。重み付き和だけでは、入力がすべて0のとき出力も0に制約されますが、バイアスがあると基準位置をずらせます。G検定では、重みが入力の影響度、バイアスが切片・閾値調整に近い役割を持つと整理すると理解しやすいです。
正解の理由
選択肢1の入力がすべて0の場合でも出力をずらせる切片のようなパラメータという説明が正しいです。たとえば線形回帰の y = wx + b における b がバイアス項です。ニューラルネットワークの各ニューロンでも、重み付き和にバイアスを足してから活性化関数に入力することが一般的です。
G検定で押さえるポイント
- 重みは各特徴量が出力に与える影響の大きさを表し、バイアスは全体の基準位置を調整します。
- バイアスがあることで、決定境界や活性化の閾値を柔軟に移動できます。
- 入力が0でも一定の出力を持てるため、表現できる関数の幅が広がります。
混同しやすい論点
- バイアスは正解ラベルを保存するメモリではありません。学習対象のパラメータです。
- 損失関数を常に0にする魔法の値ではありません。重みと同様にデータから最適化されます。
- バイアスは出力層だけでなく、中間層のニューロンにも設定されることがあります。
他の選択肢の評価
- 選択肢1が正解です。切片として出力をずらす役割を持ちます。
- 選択肢2は誤りです。正解ラベルはデータ側の情報で、バイアスはモデルのパラメータです。
- 選択肢3は誤りです。バイアスだけで損失を常に0にはできません。
- 選択肢4は誤りです。中間層でもバイアス項は使われます。
実務上の意味
実務でモデルの構造を読むとき、重み行列とバイアスベクトルがセットで現れます。バイアスを理解していると、線形モデルの切片、ロジスティック回帰の閾値、ニューラルネットワークの層計算がつながって見えます。モデル圧縮や可視化を行う場合にも、バイアスは無視できないパラメータです。
G検定では、用語の丸暗記だけでなく「どの場面で使う概念か」「何と対比されるか」まで問われやすいです。正答を選んだ後に、誤答がなぜ成り立たないかを説明できる状態にしておくと、文章表現を変えた問題にも対応しやすくなります。G検定対策では、正解語だけでなく、反対概念、代表例、限界、現在の実務での使われ方を一緒に説明できる粒度まで確認しておくと安定します。また、問題文の時代背景や技術名を手がかりに、どのAIブーム・どの学習方式・どの限界の話かを切り分けてください。