STEP 1

MNIST ― AIの「最初の練習問題」

MNIST（エムニスト）は、たくさんの人が書いた手書きの数字 0〜9 を集めた画像データです。画像認識AIを作るとき、世界中の研究者や学生が最初に試す定番の練習問題です。

枚数

70,000枚（学習用 6万＋テスト用 1万）

大きさ

28×28ピクセル

色

黒地に白グレースケール

正解

0〜9の 10 種類

MNIST の画像は黒い背景に白い数字です。ソースを塗ったお好み焼きに白いマヨネーズで数字を描くと、見た目がこれに近くなります。この企画は、この点に注目して作りました。

STEP 2

AIにとって、画像は「数字の表」

人間には「数字の絵」に見えても、コンピュータが受け取るのは 28×28 = 784 個の数字です。0 が真っ黒、9 が真っ白。下の図をタップして切り替えてみましょう。

スマホで撮った写真やゲームの画面も、コンピュータの中では同じように数字の並びとして扱われています。

STEP 3

前処理 ― AIに見せる前のひと工夫

写真をそのままAIに見せても、うまく読めません。マヨネーズの線だけを取り出し、MNIST と同じ形にそろえる前処理が必要です。同じ写真を 2 つの方法で処理すると…

数字として使った部分ノイズとして除いた部分

v2 の 5 つの工夫（v1 からの改良点）

1. 周りより明るい線を探すv1 は「白い部分」を探していました。本物のマヨは黄色っぽく、下の白いナプキンのほうが「白い」と判定されてしまいます。v2 は「周りより明るい細い線」を探す方法（トップハット変換）に変え、広く明るい面を無視できるようにしました。
2. 色で見分ける緑と赤の比（G/R）を使い、オレンジ色の焼けた生地のふちや、ピンク色のかつお節を弱めます。
3. しきい値を賢く決めるv1 は決まった値で「白いかどうか」を判断していました。v2 は写真ごとに、お好み焼きの中心部の明るさから自動で決めます（大津の方法）。マヨが無いときは無理に探しません。
4. 見る範囲をしぼり、ノイズを除くv1 は写真全体を見ていました。v2 はガイド円の中だけを見て、皿の縁・数字を囲む生地のふち・小さなテカリを取り除きます（連結成分の解析）。
5. MNIST に寄せるマヨの線の太さを、MNIST の手書き文字と同じくらいにそろえます（膨張・収縮）。AIが学習したデータに近い形で見せるほど、正しく読めます。

AI（CNN）は v1 と v2 で同じで、違うのは前処理だけです。練習用に作ったお好み焼きの合成写真 500 枚では、正解率が v1 の 22% から v2 では 96% になりました。

STEP 4

CNN ― 小さなフィルタで特徴を見つける

このAIは畳み込みニューラルネットワーク（CNN）です。3×3 の小さなフィルタを画像の上で少しずつずらしながら掛け算して、「縦線」「横線」「曲がり角」などの特徴を探します。

学習で身につけた 16 個のフィルタ（畳み込み1）

プラスの重みマイナスの重み

あなたの数字に、フィルタを掛けた結果（特徴マップ）

層が深くなるほど、特徴はより抽象的になります（畳み込み3では 7×7 が 64 枚）。最後に全結合層が「0〜9 のどれらしいか」を確率で答えます。

畳み込み3の特徴マップ（64 枚）

STEP 5

学習 ― 6 万枚の手書き数字から

学習した画像

12万枚（MNIST 6万＋線の太さをそろえた 6万）

くり返し

10周

パラメータ

約 9.8万個の重み

テスト正解率

99.6%（1万枚）

AIは最初、でたらめな重みから始まります。答えを間違えるたびに、正解に近づくよう重みを少しずつ直す（誤差逆伝播法）ことをくり返して、数字の読み方を身につけました。

学習したAIは、このスマホの中で動いています。写真をインターネットに送らずに、スマホだけで計算しています。