← たのしく学びなおし 一覧 / たのしいAIの数学 / 用語集
柱A 数にするAI照合済み

画像は、数の表でできている

スマホの写真を、コンピュータは何として受け取っているのでしょうか。
イメージ図(AI生成)
この章の答え画像は、マスごとの明るさを並べた数の表です。
必要な数学足し算・平均
目安読むのに約5分、そのあと図をさわります
読みもの

写真を「見る」とは、数を受け取ること

スマートフォンで撮った写真を拡大していくと、やがて小さな四角いマス目が見えてきます。滑らかに見えた空や顔は、実は、色のついたマス目の集まりです。このマス目が画素(ピクセル)で、コンピュータにとっての写真は、マス目ごとの明るさを書き並べた、数字の表にすぎません。

白黒なら、1マスに1つの数

この章の例では、8×8マスの白黒の絵を使います。各マスの明るさを、0(黒)から9(白)の数字で書くと、絵は64個の数字の表になります。人は絵を目で見ますが、AIが受け取るのは、この数字の表のほうです。

AIにとって、絵は「見るもの」ではなく、「計算の材料」である。

カラー写真は、数が3倍になる

カラー写真では、1つのマスを、赤・緑・青の3つの数で表すのが一般的です。横1200×縦800画素の写真なら、1200×800×3=2,880,000個の数になります。何気なく撮った一枚が、300万個近い数の並びです。

並べ直すと、ベクトルになる

表の数を1行目から順に一列に並べ直すと、数の並び、つまりベクトルになります。8×8の絵なら64個の数です。座標 (x, y) が2つの数で平面上の点を表したように、64個の数は、64次元の空間の1点を表します。想像しにくい空間ですが、「絵が1つの点になる」と考えると、計算の見通しが立ちます。

近い絵を、数で測る

点になれば、点どうしの近さが測れます。2枚の絵のマスごとの差を二乗して足すと、違いの大きさが一つの数で出ます。同じ絵なら0です。ただし、1マスずれただけでも大きな値になるので、人が感じる見た目の近さとは、完全には一致しません。それでも、「近い・遠い」を計算で扱えるようになったことが、このあとの章すべての出発点です。

入口にすぎない

絵を数に直す部分は、いわば入口です。そこから「何が写っているか」を導くには、この数の並びに、掛け算と足し算を何度も重ねます。その中身を、これから順に見ていきます。まずは、下の図でマスを塗って、数が変わる様子を確かめてください。

数が多いことの意味

300万個近い数、と聞くと途方もなく感じますが、コンピュータにとっては、特別な量ではありません。むしろ大事なのは、数の個数が、写真の大きさに比例して増えることです。縦横を2倍にした写真は、数が4倍になります。画像を扱うAIの計算が重くなりがちなのは、この増え方のためです。そのため、実際のAIは、写真を一度小さく縮めてから計算するなど、数を減らす工夫を、よく行います。

「見る」の正体を、疑ってみる

AIが「猫が写っている」と答えるとき、猫を見ているわけではなく、数の並びに計算を施した結果として、「猫」というラベルが出ているのです。ここで、少し不思議なことに気づきます。人の目には全く同じに見える2枚の写真でも、数の並びとしては、ほんのわずかに違っていることがあります。数のレベルで見れば、「似ている」の基準は、人の感覚とは別に、計算で決めなければなりません。次の章以降で、その基準を作っていきます。

手を動かして確かめる

8×8マスの白黒の絵を考えます。各マスの明るさを0(黒)から9(白)の数字で書くと、絵は64個の数字の表になります。人が絵を見るかわりに、AIは、こうした数字の表を受け取って計算を始めます。

下の絵を塗り替えてみてください。マスを塗ると、そのマスの数字が変わり、一番下の「数の並び」も変わります。

計算を順に追う

1. 1マスは1つの数

写真は細かいマス目(画素、ピクセル)に区切られ、マスごとに明るさが数で記録されています。カラー写真では、赤・緑・青の3つの数を使うのが一般的です。たとえば横1200×縦800画素のカラー写真は、1200×800×3=2,880,000個の数でできています。

1200 × 800 × 3 = 2,880,000

2. 並べ直すと、数の並び(ベクトル)になる

表の数を、1行目から順に一列に並べ直します。8×8の絵なら、64個の数の並びです。数学では、このように数を順に並べたものをベクトルと呼び、並んだ数の個数を次元といいます。座標 (x, y) は2次元のベクトルでした。64次元のベクトルは、64個の座標をもつ点だと考えられます。

3. 似た絵は、似た数の並びになる

2枚の絵のマスごとの差を二乗して足すと、2枚の違いの大きさを1つの数で表せます。まったく同じ絵なら0です。差が大きいマスほど強く効き、1マスずれただけでも大きくなるので、見た目の近さと完全には一致しません。それでも「近い・遠い」を数で測れるようになったことが、次の章以降で計算を進める土台になります。

差の大きさ = (a₁−b₁)² + (a₂−b₂)² + … + (a₆₄−b₆₄)²

4. AIにとって、絵は計算の入口にすぎない

ここまでは、絵を数に直しただけです。そこから「何が写っているか」を出すには、この数の並びに掛け算と足し算を何度も行います。その中身を、あとの章で順に見ていきます。

思い出しメモ 座標 (x, y) のように、数を順に並べたものがベクトルです。「次元」は並んでいる数の個数のことです。
ひとことで言うと画像は、マスごとの明るさを並べた数の表です。

今につながる話

画像を扱うAIも、入り口では画像を数の並び(配列)に直して計算します。実際の画像用のモデルは、64個の数を単純に並べるだけでなく、近くのマス同士のつながりを使う工夫をしています。この章で見たのは、そこへ入る手前の部分だけです。

つながり(ほかのシリーズ)

なるほど2問

出典と確認状態

ほんとうは…(カラー画像の数のこと)

1画素を赤・緑・青の各0〜255で表すのは一般的な方式の一つで、写真の形式によって異なります。また、絵を1列に並べ直すと、隣のマスとの位置関係が見えにくくなります。そのため、実際の画像用のモデルは位置関係を使う作りになっています。

出典(AI照合済み)

この章の計算はすべてあなたのブラウザの中で行われ、入力や結果はどこにも送信されません。例題と数値はこのサイトのオリジナルで、実在の製品・サービスとは関係ありません。

この章で、まちがいや古くなった情報に気づいたら、報告フォームから教えてください