NAS (Neural Architecture Search)とは
NASとは、ニューラルネットワークの構造設計を自動化する技術です。強化学習などのアルゴリズムで最適なアーキテクチャを探索します。
この用語はG検定シラバスの「26. 画像認識」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
ネットワークの設計そのものを、人ではなくアルゴリズムに探させる技術です。
何を自動化するのか
従来、層の数・種類・つなぎ方は研究者の経験と試行錯誤で決められていました。
NASはこれを探索問題として定式化します。「どの構造が良いか」をハイパーパラメータの探索と同じように扱う発想です。構造設計もハイパーパラメータの一種と見なしていると言えます。
課題は計算コスト
候補となる構造を実際に学習させて評価する必要があるため、膨大な計算資源が必要です。初期のNASでは数千GPU日——GPU1台に換算して数千日ぶんの計算量——を要したと報告されています。
この問題への対処として、探索を効率化する手法が数多く提案されています。成果物の例がMnasNetやEfficientNetです。
探索コストへの対策
初期のNASは膨大な計算資源を必要としました。そこで候補どうしで重みを共有するなど、探索を効率化する手法が次々に提案されています。
また、探索した構造が別のデータセットでも通用するかという汎用性の検証も重要な論点です。
🎯 G検定での押さえどころ
- ネットワーク構造の設計を自動化する
- 探索に強化学習などを用いる
- 計算コストが膨大な点が課題
⚠️ よくある誤りの選択肢
- 「NASは学習済みモデルの重みを自動調整する技術である」→ 誤り。構造そのものを探索します
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。