活性化スパース性とは、ニューラルネットワークなどの機械学習モデルにおいて、入力データに対して反応するニューロンの数が、全体の数に比べて極めて少ない状態を指します。具体的には、多くのユニットがゼロまたはゼロに近い値を出力し、ごく一部のユニットのみが有意な値を保持して活性化している状態のことです。これは、脳の神経回路が特定の刺激に対して限定的な領域のみを活動させる仕組みに似ており、効率的な情報処理を実現するための重要な特性とされています。モデルが膨大なパラメータを持っていても、個別のタスクや入力に対しては必要な部分だけを動作させることで、計算資源の浪費を抑えることが可能になります。