メインコンテンツへスキップ
見出し画像

【第53回】AIはどうやって学ぶ?教師あり・教師なし・半教師あり学習とは

    これまで「距離」というAIにとっての「定規」について学んできましたね。でも、定規があるだけではAIは賢くなれません。その定規を使って、どうやって「学習」し、ルールを見つけ出すのか?ここからがいよいよAIの心臓部、機械学習のメインストーリーです!


    1. 読み方

    • 教師あり学習 = きょうしありがくしゅう

    • 教師なし学習 = きょうしなしがくしゅう

    • 半教師あり学習 = はんきょうしありがくしゅう


    2. 意味(定義)

    AIの「学習」とは、簡単に言うと「大量のデータから、共通するパターンやルールを見つけ出すこと」です。その学習方法には、大きく分けて3つのスタイルがあります。

    ① 教師あり学習(答え付きの勉強) 例えるなら、「解答集付きの参考書で勉強している状態」です。 「この写真(問題)は『犬』だよ」「この写真(問題)は『猫』だよ」という風に、正解(ラベル)がセットになったデータをAIに与えます。AIは「犬は耳がこうなっているな」と正解に近づくように学習し、新しい写真を見たときに「これは犬だ!」と予測できるようになります。

    ② 教師なし学習(自習・分類) 例えるなら、「バラバラに混ざった大量のレゴブロックを、自分で似たもの同士に分ける状態」です。 ここでは正解(答え)は一切教えられません。AIは「これは赤いし四角いからグループA」「これは青いし丸いからグループB」というように、データ自身が持つ特徴から似たもの同士をグループ分けします。これをクラスタリングと呼びます。教師なし学習には、このほかにもデータの構造を見つけたり、異常なデータを発見したりする手法があります。

    ③ 半教師あり学習(ちょっとだけヒントをもらう勉強) 例えるなら、「先生に数問だけ正解を教えてもらい、あとは自分で似た問題を解く状態」です。 正解付きのデータは用意するのが大変(コストがかかる)です。そこで、「少量の正解データ」で大まかな方向性を掴み、その後に「大量の正解なしデータ」を使って学習を深めるという、いいとこ取りの方法です。


    3. 歴史・背景

    昔のAIは、「もし〜なら、〜しなさい」というルールを人間がすべて手書きで書き込む方式でした(ルールベース)。しかし、この方法では「猫の定義」なんて複雑すぎて書ききれません。

    そこで、「ルールは人間が教えるのではなく、データからAIに自分で見つけさせればいいじゃないか」という考え方が生まれました。これが「機械学習」の始まりです。

    特に現代のAIにおいてこの使い分けが重要なのは、「正解ラベル(答え)」を付ける作業に膨大な人間の手間がかかるからです。

    • 1万枚の写真に「これは犬」とタグを付けるのは大変(教師あり)

    • でも、写真を集めるだけなら簡単(教師なし)

    • この「コスト」と「精度のバランス」をどう取るかが、AI開発の歴史的な課題であり、進化のポイントになっています。


    4. 比較・対比(似た用語との違い)

    特によく混同される「教師あり学習」と「教師なし学習」の違いを整理しましょう。

    【教師あり学習】

    • 使うデータ: 「入力データ」+「正解ラベル(答え)」のセット。

    • 目的: 正解を当てること(予測・分類)。

    • イメージ: テスト勉強。答えを見て、正解率を上げていく。

    【教師なし学習】

    • 使うデータ: 「入力データ」のみ(正解はなし)。

    • 目的: データの構造や特徴を発見すること(クラスタリング・次元削減・異常検知など)。

    • イメージ: 整理整頓。似たもの同士をまとめて、特徴を整理する。


    5. 活用シーン(実社会のどこで、どんな問題に使うか)

    ① 迷惑メールフィルター(教師あり学習) 過去に人間が「これは迷惑メール」「これは大事なメール」とラベル付けした大量のメールをAIに学習させます。するとAIは、迷惑メール特有のキーワードやパターンを覚え、新しいメールが届いた瞬間に「これは90%の確率で迷惑メールだ!」と判定してくれます。

    ② お客さまのグループ分け(教師なし学習) ECサイトなどで、購入履歴だけがある大量のユーザーデータをAIに読み込ませます。AIは「このグループは週末にまとめ買いする人たち」「このグループは深夜にガジェットを買う人たち」という風に、人間が気づかなかった「共通点」でユーザーを自動的にグループ分け(クラスタリング)してくれます。


    6. G検定での出題傾向

    G検定では、「ある事例が出たときに、それがどの学習方法に該当するか」を問われる問題が非常に多いです。

    • チェックポイント1: 「正解ラベル(答え)」という言葉が出ているか? → 出ていれば「教師あり」。

    • チェックポイント2: 「グループ分け」「構造の抽出」「クラスタリング」という言葉があるか? → あれば「教師なし」。

    • チェックポイント3: 「少量のラベル付きデータ」と「大量のラベルなしデータ」を組み合わせて使うのは何か? → 「半教師あり」。

    定義を暗記するだけでなく、「この状況ならどっちの学習法を使うべきか?」という視点で問題を読んでください。


    7. G検定の例題

    【問題1:最頻出(基礎的な定義)】

    入力データに対して、正解となるラベル(教師データ)をセットで与え、未知のデータに対して正解を予測させる学習手法はどれか?

    A. 教師なし学習
    B. 教師あり学習
    C. 半教師あり学習
    D. 強化学習

    【問題2:頻出(特徴に関する問題)】

    「顧客の購買履歴データを分析し、似た傾向を持つユーザーをいくつかのグループに自動的に分ける」というタスクに最も適した学習手法はどれか?

    A. 教師あり学習
    B. 教師なし学習
    C. 回帰分析
    D. 分類問題

    【問題3:ひっかけ(勘違いしやすいポイント)】

    半教師あり学習に関する記述として、適切なものはどれか?

    A. 教師あり学習よりも学習精度が常に高くなるため、正解ラベルは不要である。
    B. 正解ラベルがないデータのみを用いて、データの構造を抽出する手法である。
    C. 少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習させる手法である。
    D. 人間が正解を教えるのではなく、AIが試行錯誤して報酬を最大化させる手法である。


    8. 7の例題の回答と解説

    【問題1:回答】 B

    【解説】 正解はBです。「正解となるラベル(教師データ)をセットで与える」という記述が最大のヒントです。正解がある状態で学ぶので「教師あり学習」となります。

    【問題2:回答】 B

    【解説】 正解はBです。この問題には「正解」が指定されていません。「似た傾向を持つユーザーをグループに分ける」というのは、データ自身の共通点を見つけ出す「クラスタリング」という作業であり、これは「教師なし学習」の代表的な例です。

    【問題3:回答】 C

    【解説】 正解はCです。

    • Aは間違い。ラベルがないと方向性が定まらないため、少量のラベルは必要です。

    • Bは「教師なし学習」の説明です。

    • Dは「強化学習」の説明です(報酬という言葉が出たら強化学習を疑いましょう!)。 半教師あり学習は、「少量の正解」+「大量の正解なし」という組み合わせがポイントです。


    9. Ankiアプリ用(CSV形式)

    教師あり学習とはどのような学習方法か?,正解ラベル付きのデータを用いて、未知のデータの正解を予測する手法。
    教師なし学習の目的は何か?,正解がないデータから、共通の特徴や構造(グループなど)を見つけ出すこと。
    半教師あり学習が使われる主な理由は?,正解ラベル付きのデータを作成するコストが高いため、少量の正解データと大量の正解なしデータを併用するため。
    教師なし学習の代表的なタスクは何か?,クラスタリング(似たもの同士をグループ分けすること)。
    「迷惑メールか否かを判定する」のはどの学習手法か?,教師あり学習。


    📝 総評・まとめ

    お疲れ様でした!今回はAI学習の3つのスタイルについて学びました。 「正解があるか、ないか」というシンプルな違いですが、これがAIが実社会でどう使われるかを決める決定的な分かれ道になります。

    ✅ 絶対に覚えて!

    • 教師あり = 「正解(ラベル)」がある。目的は「予測」。

    • 教師なし = 「正解」がない。目的は「グループ分け(構造抽出)」。

    • 半教師あり = 「少量の正解」+「大量の正解なし」のハイブリッド。


    🚀 次回予告 さて、学習のスタイルは分かりましたが、具体的に「何を」予測するのでしょうか? 「明日の株価」を当てるのと、「この写真は犬か猫か」を当てるのでは、AIの計算方法が全然違います。

    【第54回】AIは数を予測する?種類を見分ける?回帰と分類とは


    【第54回】へ進む

    【第4章】へ戻る

    📚 シリーズトップへ戻る

    ✅ この記事が役に立ったら「スキ」で応援してください!
    あなたの応援が、次の解説を作るエネルギーになります!🚀

     
     
    【G検定合格ロードマップ】 AIを「挫折と突破の物語」で理解し、最短で合格するメソッドを発信。 難しい専門用語を簡単な言葉でストーリー化して解説します。 丸暗記を捨て、効率的に重要キーワードを習得したい方は必見です

    あなたへのおすすめ