ランダム写像の意味を解説：写像・乱数・ランダム射影との違い

ランダム写像とは？確率的に決まる関数を理解する

ランダム写像とは

ランダム写像とは、入力と出力の対応関係をランダムに決める写像です。英語では random mapping と呼ばれます。数学では「写像」は、ある集合の各要素に対して、別の集合の要素を1つ対応させる規則を意味します。

たとえば、入力の集合を {A, B, C}、出力の集合も {A, B, C} とします。通常の写像では、AはBへ、BはCへ、CはAへ、というように対応が固定されています。ランダム写像では、Aの行き先、Bの行き先、Cの行き先を、それぞれ確率的に選びます。

重要なのは、ランダム写像が「毎回めちゃくちゃな結果を出す処理」ではないことです。いったん写像が決まれば、その写像の中では同じ入力に対して同じ出力が対応します。ランダムなのは、主に写像を選ぶ段階です。

通常の写像との違い

通常の写像は、入力と出力の対応があらかじめ決まっています。たとえば f(x) = x + 1 という関数では、xが2なら出力は必ず3です。何度計算しても、同じ入力に対する出力は変わりません。

ランダム写像でも、完成した写像を固定して見れば、同じ入力は同じ出力に対応します。ただし、その写像がどのような対応関係になるかは、確率的に決まります。つまり、通常の写像が「固定された1つの規則」だとすると、ランダム写像は「多くの候補の中からランダムに選ばれた規則」と考えられます。

この違いは、確率モデルを考えるときに重要です。1つの写像だけを見るのではなく、多くのランダム写像を考え、その平均的な性質や、よく起こる構造を調べることができます。

有限集合で考える具体例

ランダム写像は、有限集合で考えると理解しやすくなります。集合 S = {1, 2, 3, 4} があり、それぞれの要素の行き先をSの中からランダムに選ぶとします。

たとえば、次のような対応が選ばれたとします。

この場合、1は3へ、2も3へ、3は4へ、4は3へ移ります。3と4の間では、3から4へ、4から3へ戻るため、サイクルができます。1と2は、最終的にそのサイクルへ流れ込む要素です。

このように、有限集合から自分自身へのランダム写像では、各要素から矢印が1本ずつ出ます。矢印をたどると、いつか同じ要素に戻るため、サイクルと、そこへ流れ込む木のような構造が現れます。

グラフとして見たランダム写像

有限集合上のランダム写像は、グラフとして見ると特徴が分かりやすくなります。各要素を点、対応関係を矢印として表すと、すべての点から矢印が1本だけ出る有向グラフになります。

このグラフでは、矢印をたどり続けると必ずどこかでサイクルに入ります。有限個の点しかないため、同じ点を再び通るからです。サイクルに直接入っている点もあれば、いくつかの点を経由してサイクルへ入る点もあります。

この性質は、状態遷移や反復計算を考えるときに役立ちます。ある状態から次の状態へ移る規則がランダムに選ばれている場合、その系がどのような循環構造を持ちやすいか、どのくらいでサイクルに入るか、といった問題を調べられます。

AI・データ分析との関係

ランダム写像は、AIやデータ分析そのものの中心用語ではありませんが、関連する考え方はいくつかの場面で現れます。特に、ランダム性を使ってデータを別の表現へ変換する方法や、大きな問題を近似的に扱う方法を理解する助けになります。

代表的な例の一つはハッシュです。ハッシュ関数は、データを固定長の値や番号に対応させる関数です。実際のハッシュ関数は決定的に動きますが、理論的な解析では、ランダムに選ばれた写像のように扱うことで、衝突の起こりやすさや平均的な性能を考えることがあります。

機械学習では、ランダムな特徴変換やランダム射影のように、データをランダムな規則で別の空間へ移す手法があります。これらは厳密にはランダム写像と同じ意味ではありませんが、「ランダムに選んだ変換を使う」という点で近い発想を持っています。

ランダム射影や乱数との違い

ランダム写像と混同しやすい言葉に、ランダム射影があります。ランダム射影は、高次元データを低次元へ移すときに、ランダムに作った行列などを使う手法です。データの距離関係をある程度保ちながら次元を減らす目的で使われます。

ランダム写像は、より広い意味で「対応関係がランダムに決まる写像」を指します。ランダム射影は、その中でもベクトル空間のデータを別の次元へ写す具体的な手法として理解できます。ただし、実務ではランダム射影という用語の方が、機械学習の次元削減手法として使われることが多いです。

また、乱数はランダムに生成される値です。ランダム写像は、値そのものではなく、入力から出力への対応関係に注目します。たとえば「1つの乱数を出す」のは乱数生成ですが、「すべての入力に対して出力先をランダムに割り当てる」のはランダム写像の考え方です。

理解するときの注意点

ランダム写像を理解するときは、「写像がランダムに変わり続ける」と考えないことが大切です。多くの場合、写像を作る段階でランダム性が使われ、いったん決まった写像は固定された関数として扱われます。

また、ランダム写像と確率的な出力を返す関数は区別して考える必要があります。ある入力に対して毎回違う出力を返す仕組みは、確率的な処理や確率的カーネルとして扱う方が自然な場合があります。ランダム写像では、選ばれた写像を固定すれば、同じ入力は同じ出力に対応します。

さらに、ランダムという言葉が付いていても、何がどの分布に従って選ばれるのかを明確にしなければなりません。各入力の出力先を一様に選ぶのか、特定の出力が選ばれやすいのかによって、得られる構造や性質は変わります。

まとめ

ランダム写像とは、入力と出力の対応関係を確率的に決める写像です。通常の写像が固定された規則であるのに対し、ランダム写像では多くの写像候補の中から確率的に1つの写像が選ばれます。

有限集合で考えると、各要素から矢印が1本ずつ出る有向グラフとして表せます。矢印をたどると必ずサイクルに入り、その周囲に木のような構造ができます。この見方は、状態遷移、ランダムグラフ、ハッシュ、シミュレーションなどを理解する助けになります。

AIやデータ分析では、ランダム写像そのものだけでなく、ランダムな変換、ランダム特徴、ランダム射影、ハッシュといった関連概念がよく使われます。ランダム写像を理解しておくと、ランダム性を使ったアルゴリズムや近似手法の考え方を整理しやすくなります。

更新履歴