AIと行列計算の関係って、そもそもナニ？

はじめに

AIは人間の脳の神経回路を模したニューラルネットワークという仕組みで動いています。

この「特徴を抽出する」部分が、実はほぼ全部、行列計算でできています。

具体例：「猫か犬か」を判定するAI

ステップ1：入力データを数値に変換

画像の各ピクセルの明るさを数値にします。

ステップ2：「重み（Weight）」をかけ算する

ニューラルネットワークは各接続に重み（どれだけ重要か）を持っています。

ステップ3：これをまとめると…行列計算！

この「重みの行列 × 入力ベクトル」が、ニューラルネットの基本動作そのものなんです。

実際のAIはどのくらいの規模？

モデル	パラメータ数
小さなモデル	数百万
GPT-3	1,750億
最新の大規模モデル	数兆

つまり、行列のサイズが桁違いに巨大になるわけです。

なぜGPUが必要なの？

行列計算は「単純なかけ算・足し算を膨大に繰り返す」作業なので、 GPUの「大量並列処理」と相性が抜群なんです。

	CPU	GPU
コア数	数十個	数千〜数万個
得意なこと	複雑な処理を順番に	単純な計算を同時大量に

まとめ

「AIが賢くなる」= 「行列の中の数値（重み）が最適な値に調整される」 とも言えます。学習とは、この膨大な行列の数値を少しずつ正解に近づける作業なのです。