④ ディープラーニングの要素技術 ／ 22. 回帰結合層
双方向 RNN (Bidirectional RNN)とは
双方向RNNとは、過去→未来と未来→過去の双方向から時系列を処理するRNNで、文脈理解の向上を目的とします。計算コストが通常のRNNの2倍になる点に注意が必要です。
この用語はG検定シラバスの「22. 回帰結合層」に含まれます。 章全体の用語は用語解説④（全60語）にまとまっています。
一言でいうと
系列を前からと後ろからの両方向で処理し、前後の文脈を使えるようにしたRNNです。
なぜ精度が上がるのか
「彼ははしを渡った」という文で「はし」の意味を判断するには、後ろの「渡った」を見る必要があります。
通常のRNNは前から順に処理するため、その時点では後ろの情報を知りません。双方向RNNは前後どちらの文脈も使えるため、こうした判断が正確になります。
使えない場面がある
後ろの情報を使うということは、系列全体が出そろっている必要があるということです。
そのため、次の単語を予測する文章生成や、リアルタイムの音声認識のように未来がまだ存在しないタスクには使えません。「常に双方向RNNが優れている」という選択肢は誤りです。
どこで使われるか
文章全体が最初から与えられるタスクに向いています。
- 固有表現抽出（文中の人名や地名を見つける）
- 品詞のタグ付け
- 文書分類・感情分析
なおTransformerのSelf-Attentionは最初から前後両方を同時に見ています。双方向という発想がより自然な形で実現されているといえます。
🎯 G検定での押さえどころ
- 前後の両方向から処理する
- 計算コストは約2倍
- 系列全体が必要なので生成タスクには使えない
⚠️ よくある誤りの選択肢
- 「双方向RNNは文章生成にも問題なく使える」→ 誤り。未来の情報が必要なため使えません
- 「双方向RNNは通常のRNNと計算量が変わらない」→ 誤り。約2倍になります
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「リカレントニューラルネットワーク」（E資格向け）
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。