隠れマルコフモデル（HMM）

隠れマルコフモデル（HMM）は、基盤となるシステムが観測されない（隠れた）状態を持つマルコフ過程であると仮定して、シーケンシャルデータを分析するために使用される統計的AIモデルの一種です。その中心的な考え方は、観測可能な出力のシーケンスに基づいて、隠れた状態のシーケンスについて推論を行うことです。HMMは、将来の状態の確率は現在の状態のみに依存し、状態の履歴全体には依存しないというマルコフ性に基いて構築されています。これにより、HMMは自然言語処理（NLP）やバイオインフォマティクスなどの分野のタスクにとって強力なツールとなっています。

隠れマルコフモデルの仕組み

HMMは、シーケンシャルデータをモデル化するために連携するいくつかの主要コンポーネントで構成されています。

• 隠れ状態: これらは、モデルが推測しようとするシステムの観測不可能な状態です。たとえば、天気予報では、隠れ状態は「晴れ」、「曇り」、「雨」などです。
• 観測可能な出力（エミッション）: これらは、各隠れ状態が生成できる目に見えるデータポイントです。天気予報の例に倣うと、観測は「高温」、「低温」、または「高湿度」である可能性があります。
• 遷移確率： これらの確率は、ある隠れ状態から別の隠れ状態への移動の可能性を支配します。たとえば、「晴れ」の日の後に「曇り」の日が続く特定の確率があります。
• 放出確率: これらの確率は、システムが特定の隠れた状態にある場合に、特定の出力が観察される可能性を表します。たとえば、隠れた状態が「雨」の場合、「高湿度」が観察される確率は高くなる可能性があります。

予測を行うために、HMMは確立されたアルゴリズムを使用します。ビタビアルゴリズムは、一連の観測が与えられた場合に、隠れ状態の最も可能性の高いシーケンスを見つけるためによく使用されます。モデルをトレーニングし、トレーニングデータからその確率分布を学習するために、Baum-Welchアルゴリズムがよく使用されます。

実際のアプリケーション

HMMは、数十年にわたり、さまざまな分野でうまく応用されてきました。ここでは、いくつかの著名な例をご紹介します。

1. 音声認識: 古典的な音声認識システムでは、HMMが不可欠でした。隠れ状態は音素（言語の音の基本単位）に対応し、観測可能な出力は録音された音声から抽出された音響特徴です。HMMのタスクは、オーディオ信号から最も可能性の高い音素のシーケンスを決定することであり、これは話された単語を識別するために使用されます。
2. バイオインフォマティクス： HMMは、特に遺伝子発見において、計算生物学の基礎です。この文脈では、隠れ状態は、「エクソン」（コーディング領域）または「イントロン」（非コーディング領域）のような遺伝子の部分を表し、観測はDNA塩基の配列（A、C、G、T）です。HMMは、長いDNA配列を解析することにより、遺伝子の最も可能性の高い位置を特定できます。国立バイオテクノロジー情報センター（NCBI）は、これらの方法を詳しく説明しています。

関連概念との比較

HMMを他のシーケンスモデルと区別することが重要です。

• マルコフ決定過程（MDP）：どちらも状態と遷移を扱いますが、MDPは状態が完全に観測可能であることを前提とし、強化学習（RL）の枠組みの中で意思決定（最適な行動を見つけること）に焦点を当てます。HMMは、観測データから隠れた状態を推論することに焦点を当てています。RLとMDPについては、DeepMindの入門資料などのリソースをご覧ください。
• リカレントニューラルネットワーク（RNN）と長・短期記憶（LSTM）：これらは、シーケンシャルデータ向けに設計された深層学習（DL）モデルです。HMMの明示的な確率状態とは異なり、RNN／LSTMは、シーケンスを処理する際に暗黙的に進化する内部隠れ状態ベクトルを保持します。より複雑で長距離の依存関係を捉えることができ、機械翻訳や高度な音声認識などのタスクで、より高い精度を達成することがよくあります。LSTMの理解は、良い概要を提供します。Ultralytics YOLOのような最新のビジョンモデルは、PyTorchやTensorFlowのようなフレームワークで構築されたDLアーキテクチャを、物体検出やインスタンスセグメンテーションのようなタスクに使用します。

最新の深層学習手法は最先端の結果を出すことが多いですが、HMMはその解釈可能性（明示的な状態と確率）と有効性から依然として価値があり、特にトレーニングデータが限られている場合や、ドメイン知識をモデル構造に組み込むことができる場合に有効です。HMMのような基礎概念を理解することは、MLのより広い視野において、たとえUltralytics HUBのようなプラットフォームを使用していても、貴重な背景知識となります。Ultralytics HUBは、主にYOLOv8やYOLO11のようなDLモデルの開発とデプロイメントを促進します。