汎化（はんか）

汎化とは

汎化（Generalization）は、AIモデルが学習データに含まれていない未知のデータに対しても、正しく予測・判断できる能力のことです。AIの実用性を決定づける最も重要な性質の一つです。

汎化と過学習の関係

汎化を高めるテクニック

データ面

• データ拡張（Data Augmentation）: 画像の回転・反転などで学習データを増やす
• 正則化: モデルの複雑さにペナルティを与える（L1/L2正則化）
• ドロップアウト: ニューラルネットワークのノードをランダムに無効化

モデル面

• 交差検証: データを分割して評価の信頼性を確保
• 早期停止: 過学習が始まる前に学習を停止
• 帰納バイアスの適切な設計

製造業での汎化の重要性

外観検査AIの例：

• 汎化が高い: 学習していない新しい不良パターンも検出できる
• 汎化が低い: 学習データと少しでも異なる不良を見逃す

汎化性能が低いと、現場での運用時に精度が急落する原因になります。

創発的ミスアライメントとの関係

創発的ミスアライメントは、有害な振る舞いが意図しない領域に「汎化」してしまう現象です。汎化は通常は望ましい性質ですが、安全性の観点では「悪い方向への汎化」を防ぐことも重要です。