パラメータ（モデルパラメータ）

パラメータ（モデルパラメータ）とは、機械学習モデルやディープラーニングモデルが学習によって自動的に調整する数値的な要素のことです。 これらのパラメータは、入力データと出力結果との関係を定義する役割を持ち、モデルの性能や予測精度に直結する最も重要な内部構成要素です。 たとえばニューラルネットワークにおいては、各層の「重み（weights）」や「バイアス（biases）」が代表的なモデルパラメータです。 学習過程で何度も更新されながら、最適な値へと近づいていきます。 パラメータの特徴と役割： • 入力データを出力へと変換する際の計算ルールを司る • 学習データに基づいて損失関数を最小化する方向に最適化される • 学習済みモデルの性能は、どれだけ有効なパラメータが学習されたかに大きく依存する • パラメータの数（=モデルサイズ）は、モデルの表現力や処理負荷に影響する たとえば、GPT-3は1750億個、GPT-4はさらに多くのパラメータを持つとされており、「大規模言語モデル（LLM）」における進化の指標としてもよく使われます。 なお、モデルの構造や学習の仕方を決める「ハイパーパラメータ（例：学習率、バッチサイズ、層の数など）」とは区別され、モデルパラメータは訓練で自動調整されるのに対し、ハイパーパラメータは手動で設定・調整する必要があります。 つまりパラメータとは、AIモデルが「どのように振る舞うか」を決定づける、頭脳の中身そのものといえる重要な要素です。