少し前、ＮＨＫで「人間って何だ？」というＡＩ（人工知能）関連の番組をやっていました。その中で出てきた「過学習」の概念が面白かったんですよ。

　ＡＩに学習させるときにはディープラーニングという方法が用いられます。これは、ＡＩに大量のデータを読み込ませ、分析させることで、学習をさせる方法。複雑な状況から結論を引き出すのが得意で、ものによっては人間以上の能力を発揮することもあります。

　例えばＡＩに「イヌとは何か」を認識させるためには、たくさんの犬の写真を読み込ませ、判断させます。それに対して正解・間違いのフィードバック（結果を見ての修正）を何百万回も繰り返すうち、ＡＩは自分で必要な条件を覚え、犬の画像を見分けられるようになります。

・過学習…丸覚えは使えない
　ＡＩに学習させる上で問題になるのが「過学習」です。わかりやすく言うと、データを丸暗記しすぎて、応用力がなくなること。

　例えば、データの中に黒い柴犬の画像があったとします。ＡＩはその画像を分析し、「毛が生えている」とか「牙がある」といった犬の判断に重要な特徴を読み込みます。しかし同時に「色が黒い」とか「耳が立っている」というような、重要でない特徴をも読み込むでしょう。

　もしＡＩが、重要でない情報まですべて使って判断したら、ゴールデンレトリバーは、黒くない、耳が立っていない、という理由で「犬ではない」と判断されてしまいます。

　ディープラーニングを成功させるには、どの情報が重要で、どの情報が重要でないか、ＡＩがわかるようにプログラムすることが必要。研究者は、その対策に頭を絞るのだそうです。

・正解率を高める試行錯誤
　では、どうやって重要性を認識させるか。代表的な方法の一つが「ドロップアウト」です。大まかに言うと、判断に使っている特徴のうち、いくつかをわざと使わなくすること。

　たとえばＡ、Ｂ、Ｃ、Ｄという4つの特徴を判定に使っているとします。Ａを使うのをやめて、Ｂ、Ｃ、Ｄだけで判断を行い、それでも正解率が高ければ、Ａは重要ではないとわかります。逆にＡを使わずに判断を行って正解率が下がれば、Ａが重要だとわかりますね。

　こうして使う情報、使わない情報をランダムに入れ替えながら試行錯誤することで、より正確な判断ができるようになってくるというわけです。

・上達のための試行錯誤とフィードバック
　ディープラーニングは人間の学習をもとにしたものですから、こうした原則は人間でも同じです。丸覚えルーチンワークでは、何年繰り返しても上達しませんし、試行錯誤していても、結果が出るまでの間隔が長ければ、学びは遅くなります。
　これは技術側の問題でもあって、技術を要素分解しやすい技術ほど、またフィードバックが早い技術ほど、学びやすいことを示しています。

　ちなみに、ＴＡＭ関節リリースは、要素の分解が明確で、結果がすぐ出る技術です。…と最後に我田引水（笑）

膝の痛みで悩む人は多いです。一般的には変形性膝関節症（関節軟骨のすり減り）が原因と言われることが多いですね。
  　しかし、すり減りによる腫れも摩擦音もないのに、膝が痛む方が少なくありません。そんな場合は膝の「ズレ」「ねじれ」をチェックすることをお勧めします。

 ■多いのは、外向きのねじれ　
 　ズレ・ねじれがはっきりするのは、膝を深く曲げたとき。
 　膝の内側靭帯の動きが悪いために、脛骨（すねの骨）が、わずかに外側を向くケースが多いです。
  　関節の向きが変わることで、靭帯が本来なら引っ張られないはずの方向へ引っ張られて、痛みを発するのです。

  　また、私達の身体は、わずかなズレにも敏感です。そうしたズレを、筋肉に力を入れてカバーしようとするので、膝周辺（特に大腿部）の筋肉を緊張させ、筋肉の緊張痛や、トリガーポイントによる痛みを発生させるのです。

 　このようなズレを放置しておくと、靭帯や関節軟骨に負担をかけ、本当に変形を起こす原因になることも。

  ■膝を調整。同時に足関節の調整も必要
 　こうした場合、膝の内側の靭帯・関節包を解いて、まっすぐに曲がるようにしてやる必要があります。
 　また、膝のねじれが足関節の歪みから起きていることもありますので、足の調整も行うと、効果が長持ちすることが多いですね。