AIのネットワークを支える土台！全結合層の仕組みと個性が光る仲間たち

2026年1月27日 2026年1月27日山崎講師

山崎講師

こんにちは。ゆうせいです。

これまで、AIがどうやって学習し、どうやってその成長を確認するかをお話ししてきましたね。今回は、そもそもAIという「建物」がどのような「部屋（層）」で構成されているのか、その基本構造に迫ります。

特に、AIの歴史を支えてきた王道中の王道、「全結合層」について詳しく紐解いていきましょう！

全結合層とは「全員が全員と話し合う」場所

全結合層（Fully Connected Layer）は、その名の通り、前の層にあるすべてのユニット（ニューロン）が、次の層のすべてのユニットと結びついている構造のことです。

高校生の皆さんに例えるなら、クラス全員が、隣のクラスの全員と1対1で連絡先を交換して、密に情報をやり取りしているような状態です。

情報の漏れがなく、あらゆるデータの組み合わせを考慮できるのが最大の特徴です。

専門用語で言うと「線形変換」

全結合層で行われているのは、実はシンプルな「掛け算と足し算」のセットです。

前の層から届いたデータ $x$ に対して、それぞれのつながりの強さである「重み $w$ 」を掛け合わせ、最後に「バイアス $b$ 」という調整役を足します。

$y = w_1 \times x_1 + w_2 \times x_2 + \dots + b$

この計算によって、バラバラだった情報が統合され、新しい意味を持った数値へと変換されていきます。

全結合層のメリットとデメリット

全結合層は非常に強力ですが、万能というわけではありません。

項目	内容
メリット	どんな種類のデータにも対応でき、複雑な関係性を学習する能力が高い。
デメリット	つながりの数が膨大になるため、計算量が増え、過学習（暗記）が起きやすい。
デメリット	データの「位置関係」を無視してしまう（画像を1列に並べ替えてしまうため）。

「全員と連絡を取り合う」のは丁寧ですが、人数が増えすぎるとスマホの通知が鳴り止まず、パンクしてしまいますよね。それと同じことがAIの中でも起きるのです。

個性豊かな「それ以外」の層たち

全結合層の「計算が重すぎる」「位置関係に弱い」という弱点を克服するために、特別な役割を持った層たちが発明されました。

1. 畳み込み層（Convolutional Layer）

画像認識の主役です！

全結合層が「全員と話す」のに対し、畳み込み層は「近所の人たちとだけ話す」スタイルです。小さな窓（フィルター）で画像の一部をジロジロと眺め、エッジや模様などの特徴を見つけ出します。

2. プーリング層（Pooling Layer）

情報の「要約」を担当する層です。

細かなズレを無視して、重要な特徴だけを残したままデータを小さくします。これにより、写真の中の猫が少し右にずれていても「これは猫だ！」と正しく判定できるようになります。

3. 再帰型層（RNN Layer）

「時間」や「順番」を扱うのが得意な層です。

前の瞬間の自分自身の状態を覚えているため、文章（言葉の並び）や音声などの時系列データを処理するのに向いています。

全結合層は「最後の決め手」

「じゃあ、全結合層はもう古いんですか？」と思うかもしれませんが、そんなことはありません！

畳み込み層などが画像から「耳がある」「ひげがある」という特徴を抽出した後、最終的に「……ということは、これは 90% の確率で猫だ！」と総合判断を下すのは、今でも全結合層の役割です。

いわば、現場担当（畳み込み層）が情報を集め、役員会議（全結合層）が最終決定を下す、というチームプレーでAIは動いているのです。

これからの学習の指針

層の種類を理解すると、AIの「設計図（アーキテクチャ）」が読めるようになります。

「CNN（畳み込みニューラルネットワーク）」の構成図を見て、どこに全結合層が使われているか探してみる。
畳み込み層の計算式を調べて、全結合層との「つながり方の違い」を数式で感じてみる。
なぜ最近のAIでは、全結合層の代わりに「Global Average Pooling」という手法が使われることがあるのか調べてみる。

！

AIは単なる数式の塊ではなく、役割を持ったパーツが組み合わさった「精密機械」です。それぞれの層の個性を知れば、もっと自由にAIを操れるようになりますよ。

セイ・コンサルティング・グループでは新人エンジニア研修のアシスタント講師を募集しています。

投稿者プロフィール

山崎講師代表取締役

セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。

学生時代は趣味と実益を兼ねてリゾートバイトにいそしむ。長野県白馬村に始まり、志賀高原でのスキーインストラクター、沖縄石垣島、北海道トマム。高じてオーストラリアのゴールドコーストでツアーガイドなど。現在は野菜作りにはまっている。