読み：おもみ ／ 分野：AI・生成AI
重みとは、AIモデルが学習によって獲得した、入力データの影響度を数値で表したパラメータです。
重みとは、AI（人工知能）が学習の過程で調整する数値のことで、入力されたデータのどの部分をどれだけ重視するかを表すパラメータです。この数値の集合体が、AIモデルの「判断の仕方」そのものを形作っています。
意味
AIモデル、特に機械学習やディープラーニングと呼ばれる技術では、大量のデータを使って学習を行います。学習の過程では、入力に対して正しい出力が得られるように、内部にある数値を少しずつ調整していきます。この調整される数値が重みです。
重みは、人間でいえば経験から得た判断基準に近いものです。例えば、ある単語が出てきたときに次にどんな単語が続きやすいかを予測するモデルでは、単語同士の関連の強さが重みとして数値化されています。学習が進むほど、より適切な予測ができるように重みが更新されていきます。学習済みのモデルを配布する際には、この重みの数値一式がファイルとして保存され、利用時に読み込まれます。
重みの数が多いほど、モデルが表現できる情報量は増えますが、その分だけ計算に必要な資源や記憶容量も大きくなります。近年話題になる大規模言語モデル（LLM）は、この重みの数が非常に多いことが特徴です。
使われる場面と具体例
- AI開発者が、自社の業務データを使って既存モデルを調整する際に、重みを更新する作業（ファインチューニング）を行います。
- ITベンダーが、顧客に提案するAIシステムの性能を説明するときに、学習済みの重みを使う「オープンモデル」か独自開発かを比較材料にします。
- 情報システム担当者が、AIサービスの利用規約を確認する際に、入力データが重みの更新に使われるかどうかを確認します。
中小企業が押さえたい点
- 自社でAIモデルを一から作ることは稀で、多くの場合は既に重みが学習済みのモデルを利用します。導入時は自社データの学習が必要かどうかを見極めることが重要です。
- 入力した業務データがモデルの重みの更新（追加学習）に使われる契約かどうかは、情報管理の観点から必ず確認すべき点です。
- 重みのファイルサイズが大きいモデルほど、動作に必要な計算資源（GPUなど）が増え、利用コストにも影響します。導入前に必要な環境を確認してください。
よくある誤解
- 「重み」を一度設定すれば永久に変わらないと誤解されがちですが、追加学習によって更新されることがあります。
- 重みの数が多ければ必ず性能が良いと思われがちですが、用途に対して過剰な規模のモデルは、コストや応答速度の面で不利になる場合があります。
よくある質問
Q. 重みとパラメータは同じ意味ですか。
A. ほぼ同じ意味で使われますが、パラメータは重み以外の調整値も含む、やや広い概念です。
Q. 自社のデータは重みに反映されますか。
A. サービスの設定や契約内容によります。反映されない設定のサービスも多いため、利用規約の確認が必要です。
Q. 重みを自社で調整する必要はありますか。
A. 多くの業務利用では既存の重みをそのまま使えば十分で、調整（ファインチューニング）が必要な場面は限られます。
関連する用語
関連記事
ほかの用語を探す
