ハイパーパラメータ
意味・解説
機械学習モデルの学習を開始する前に、人間があらかじめ設定しておく「調整用」の数値設定。
学習によってAIが自動で獲得する「パラメータ（重み）」とは異なり、学習の「枠組み」を決める設定値。学習率、ニューラルネットワークの層の数、エポック数などが該当する。この設定の良し悪しが、最終的なAIの精度や学習速度を大きく左右する。
くわしく
「AIという『生徒』が効率よく勉強するための、人間が用意する『勉強環境の設定（カリキュラム）』」のようなものです。
1.例:
「1回の勉強時間を何分にするか（学習率）」「教科書を何周読むか（エポック数）」といった数値です。
2.調整の難しさ:
正解がないため、人間が試行錯誤（チューニング）したり、自動で最適な値を探すツールを使ったりして決定します。
例文
画像認識AIの精度向上のため、ハイパーパラメータである学習率を段階的に変更する検証を行った。
同義語: 超パラメータ
対義語: パラメータ（モデル内の変数）
分類: 機械学習のモデル設計
この用語は生成AIパスポート試験にも出ます
生成AIパスポート試験（生成AI活用普及協会）の公式シラバス第4版では、第5章 テキスト生成AIのプロンプト制作と実例 の 5-1 に「ハイパーパラメータ」として掲載されています。ITパスポートと重なるのは全191語中42語で、その1つがこの用語です。