局所解
https://yasasetsu.com/ai_tuning/ より(ここやさしい)
部分的な答えを出すが、もっと理想に近い状態があっても辿り着けない
例
https://gyazo.com/1aeb8047b9714f761d286c97137bf5a1
横軸は、いま合わせている周波数です。
縦軸は「音がよく聞こえる」「自分のニーズにマッチしている」といった評価の高さだと思ってください。
「Start」と書かれた80MHzから、0.1ずつ変更していくことを考えます。
「79.9」と「80.1」に変えた場合、「80.1」にした方が雑音が少なく、よく聞こえたとしましょう。
もちろん、その分だけ評価は上がります。
ですので、ここでは周波数を増やすわけです。
このように、チューニングを進めていきます。
評価が上がる方へ少しずつ変えていくと、最後には、よく聞こえる状態の「82」の周波数に落ち着くことになります。
こんな流れで「学習」が進み、収束するわけです。
けれども、もうちょっと広く見てみると、じつはこんな感じだったということもあります。
https://gyazo.com/c6a2e617039a960e918ac95123be6ad1
しかし、82MHzの放送局に落ち着いた状態からは、抜け出すことができません。
なぜなら、82MHzをスタートとして0.1増やしても減らしても、どちらも音が悪くなるため評価が下がるからです。
結局、本当は評価値が「100」の理想的な状態(=大域最適解)があるのに、「70」の状態に捕まってしまったわけです。
こういう状態は「局所解」と呼ばれ、それは「部分的な答え」という意味です。
#テーマ6