局所最適解— 読み：きょくしょさいてきかい
局所最適解とは、 ある範囲内においてはもっともよい解（最適解）であるものの、全体的に見ると必ずしも最適な解とは限らない状態 を指します。AI、特に機械学習の分野でよく用いられる用語です。本記事では、局所最適解の考え方、陥る原因、対策を解説します。
導入Introduction
局所最適解とは、 ある範囲内においてはもっともよい解（最適解）であるものの、全体的に見ると必ずしも最適な解とは限らない状態 を指します。AI、特に機械学習の分野でよく用いられる用語です。本記事では、局所最適解の考え方、陥る原因、対策を解説します。
用語の定義Definition
局所最適解とは、 ある範囲内においてはもっともよい解（最適解）であるものの、全体的に見ると必ずしも最適な解とは限らない状態 を指します。AI、特に機械学習の分野でよく用いられる用語です。本記事では、局所最適解の考え方、陥る原因、対策を解説します。
モデルの学習過程において、最適化アルゴリズムが局所的な改善に囚われてしまい、真に最適な解にたどりつけない状況を表します。目の前の改善に満足してしまい、よりよい解が別の場所にあることに気づけない状態だと言えます。
この概念は、強化学習の学習がどのように進むかを理解するうえでも重要です。
出典：my-best.ai 用語辞典「局所最適解」（https://my-best.ai/ai-dictionary/local-optimum/）
仕組み・原理How it works
なぜ陥るのか：損失関数の地形
機械学習モデルの学習は、多くの場合、損失関数（目的関数）を最小化するパラメータを探すプロセスです。この損失関数は、多次元空間における複雑な地形のようなもので、無数の谷や丘が存在します。
最適化アルゴリズムは、この地形を探索し、最も低い地点（損失が最小となる地点）を目指しますが、途中で小さな谷に落ちてしまうことがあります。この小さな谷が局所最適解であり、そこから抜け出して、より深い谷（大域的最適解）にたどり着くことが難しい場合があります。両者の違いは大域最適解で整理しています。
局所最適解に陥る主な原因
局所最適解に陥る原因はさまざまですが、主なものを次の表に整理します。
| 原因 | 内容 |
|---|---|
| 初期パラメータの選択 | 出発点の選び方によって、たどり着く谷が変わることがある |
| 学習率の設定 | 値の大きさによって、探索の進み方が変わり谷を抜けにくくなることがある |
| 最適化アルゴリズムの選択 | 用いる手法によって探索の仕方が異なる |
いずれも、探索の始め方や進め方に関わる要素であり、設計の段階で調整できる余地があります。
回避するための代表的な手法
このような局所最適解の問題を解決するために、さまざまな手法が用いられています。代表的なものとしては、初期値の変更、学習率の調整、モーメンタム法、確率的勾配降下法（SGD）、焼きなまし法（Simulated Annealing）、遺伝的アルゴリズム（Genetic Algorithm）などがあります。
初期値を変えて複数回試す、学習の進め方を工夫する、といった方針はいずれも、局所的な谷に留まらずに広く探索するための工夫です。こうした手法は最適化アルゴリズムの一部として位置づけられます。強化学習の学習でも同様の課題が知られています。
初期値の選択と複数回の試行
局所最適解を避けるうえで、出発点である初期パラメータの選び方は重要な要素です。初期値を変えると、探索が向かう谷も変わることがあるため、同じ条件でも結果が変わります。
そのため、複数の初期値で学習を試し、得られた結果を比較するという方法がとられることがあります。学習率の調整や、探索の進め方を工夫する手法と組み合わせることで、よりよい解にたどり着きやすくなります。
ただし、必ず大域最適解に到達できるとは限らず、実用上は「十分に良い解」を得ることを目標にする場合も多くあります。
よくある誤解
誤解：局所最適解は最悪の解である
実際は：ある範囲では最善の解であり、実用上十分な性能をもつこともあります。必ずしも無価値ではありません。
誤解：一度陥ると必ず抜け出せない
実際は：初期値の変更や学習率の調整などによって、抜け出せる場合があります。
誤解：局所最適解は分類問題だけの話である
実際は：損失関数を最適化する幅広い場面で共通する概念です。
原始出處Origin
本項の定義・解説は、my-best.ai 用語辞典の同項目記事（編集部執筆）を底本に再構成したものです。初出時期や命名者について確立した一次資料が本文中に明記されていない場合は、推測での記載を見送っています。
応用シーンUse cases
基礎の理解
局所最適解 の定義と位置づけを押さえ、AI 関連の資料や記事を正確に読み解く土台にします。
情報の照合
ニュースや製品紹介で 局所最適解 に触れたとき、本ページの定義と突き合わせて過不足なく理解できます。
導入・検討の第一歩
関連するチュートリアルで手を動かしながら、自社の業務への適用可否を検討できます。
メリット・デメリットPros & Cons
メリット
- モデルの学習過程において、最適化アルゴリズムが局所的な改善に囚われてしまい、真に最適な解にたどりつけない状況を表します
- 目の前の改善に満足してしまい、よりよい解が別の場所にあることに気づけない状態だと言えます
- 原因内容初期パラメータの選択出発点の選び方によって、たどり着く谷が変わることがある学習率の設定値の大きさによって、探索の進み方が変わり谷を抜けにくくなることがある最適化アルゴリズムの選択用いる手法によって探索の仕方が異なるいずれも、探索の始め方や進め方に関わる要素であり、設計の段階で調整できる余地があります
デメリット・注意点
- この小さな谷が局所最適解であり、そこから抜け出して、より深い谷（大域的最適解）にたどり着くことが難しい場合があります
- 強化学習の学習でも同様の課題が知られています
よくある誤解Misconceptions
関連用語Related terms
用語同士は相互リンクされています。
プロンプト集Prompt collection
理解を定着させるためのプロンプト例です。コピーして〔 〕内を置き換えてご利用ください。
理解を深める質問
前提知識なしで概念を掴む
あなたは AI 教育の講師です。「局所最適解」を、AI に詳しくない日本の社会人にも分かるように説明してください。専門用語を使った場合は、その直後に噛み砕いた言い換えを添えてください。最後に要点を 3 行でまとめてください。
整理・比較
関連用語との違いを表で整理する
「局所最適解」について、①定義 ②仕組み ③代表的な活用例 ④よくある誤解 を見出し付きで整理してください。同じ分野の類似用語があれば、その違いを表形式で示してください。
実務への検討
自社業務への適用を検討する
「局所最適解」を〔業種・業務〕で活用する場合に期待できる効果と注意点を、それぞれ 3 つずつ提案してください。判断の前提条件や、確認すべき事実があれば明示してください。
FAQ（よくある質問）FAQ
局所最適解とは、一言でいうと何ですか？
局所最適解のポイントはどこですか？
局所最適解を扱うときの注意点は？
出典・参考文献References
定義の記述は my-best.ai 用語辞典（編集部執筆）に基づきます。リンク先の内容は公開時点のものです。
まとめSummary
局所最適解とは、ある範囲内においてはもっともよい解（最適解）であるものの、全体的に見ると必ずしも最適な解とは限らない状態を指します。
- まず「局所最適解」の定義を自分の言葉で言い換えられるようにする
- 関連用語との違いを「関連用語」セクションから確認する
- プロンプト集の型を使って、理解した内容をアウトプットで確認する