ニューラルネットワークとは？
脳の神経細胞（ニューロン）のつながりを数式で模した仕組み。大量の「重み」を調整しながら学習する、ディープラーニングの基本構造。
入力（例：画像のピクセル）を受け取り、無数の計算ノードを経由して出力（例：「猫である確率」）を出す——この計算の網がニューラルネットワークです。学習とは、正解に近づくように網の中の「重み」を少しずつ調整していく作業を指します。
ChatGPTのパラメータ数が「数千億」と言われるのは、この重みの数のこと。仕組みの詳細を覚える必要はありませんが、「AIの中身は膨大な調整済みの数値のかたまり」というイメージを持っておくと、AIの振る舞いへの理解がぐっと現実的になります。
ニューラルネットワークの仕組みをわかりやすく
バケツリレーを想像してください。入力層のバケツに数値（画像ならピクセルの明るさ）を注ぐと、次の層、また次の層へと水が流れていき、最後の層から「猫である確率97%」のような答えが出てきます。ポイントは、バケツ同士をつなぐパイプの太さ（＝重み）が1本ずつ調整できることです。
学習とは、このパイプの太さを調整する作業です。答え合わせをして間違っていたら、「どのパイプをどれだけ太く・細くすれば正解に近づいたか」を出口から逆算して少しずつ直す——これを何百万回も繰り返します（誤差逆伝播法と呼ばれます）。魔法のような賢さの正体は、気の遠くなる回数の答え合わせなのです。
身近な使用例
スマホの顔認証、写真アプリの「犬」「料理」の自動分類、音声アシスタントの聞き取り、機械翻訳、迷惑メールフィルタ——どれも中身はニューラルネットワークです。そしてChatGPTのような生成AIも、「次に来る単語」を予測する巨大なニューラルネットワークにほかなりません。
つまり新技術というより、10年以上前からポケットの中で動いてきた技術です。それが大規模化して「作る側」に回ったのが、いまの生成AIブームだと捉えると位置づけがつかめます。
ディープラーニングとの違い
ニューラルネットワークは「仕組みの名前」、ディープラーニングは「その仕組みを深く（多層に）して学習させる手法の名前」です。層が2〜3枚の浅いネットワークは昔からありましたが、何十〜何百層と深くしたら性能が跳ね上がった——それがディープラーニング革命でした。
会話では「ニューラルネットワークを使ったAI＝だいたいディープラーニング」と読み替えてほぼ問題ありません。関係性としては、機械学習という大きな枠の中にニューラルネットワークがあり、その発展形がディープラーニング、という入れ子構造です。
ニューラルネットワークのよくある質問
着想は脳の神経細胞ですが、実体はまったくの別物で、巨大な数式の計算網です。「脳を模倣した」というより「脳にヒントを得た計算方法」と捉えるのが正確です。
仕組み自体は1950年代からありました。インターネットによる大量データ、GPUによる計算力、層を深くする技術の3つが2010年代に揃い、一気に開花しました。
用語を覚えるより、ストーリーで体感するほうが早い。