機械学習
さらに詳しく知ってみたい方はこちら
SHARE
教師あり学習 /
教師なし学習
きょうしありがくしゅう /
きょうしなしがくしゅう
【教師あり学習】問題と正解を用意して区別させる機械学習。
【教師なし学習】正解を用意せず、似た特徴を分類させる機械学習。
ものを「区別する」
教師あり学習
これまでの用語集でもお伝えしましたが、AIが自分の力で物事を学ぶための技術の一つ、それを［機械学習（Machine Learning）］と呼びます。その機械学習の中でも、AIに求める答えの違いで、［教師あり学習］と［教師なし学習］という学習方法があります。今回は、AIを知るうえでよく耳にするこの2つの用語、それぞれの特徴をみてみましょう。
［教師あり学習］はいわば「区別させるための学習」です。
あらかじめ問題と正解を大量に読み込ませ、判別の精度を学習していく機械学習で、たとえば犬と猫の画像を大量に読み込ませたあとで、「この画像は70%の確率で犬である」といったような回答ができるような学習を指します。実際に使われている例としては、安全メールとスパム（迷惑）メールの判定や、住宅の価格を予測するなど、答えが明確にわかりそうな時の区別をする場合に有効です。
ただ、［教師あり学習］には弱点もあります。正解のデータの質がよくないと、学習そのものの精度に影響が出てしまったり、明確に正解がない分野には利用できなかったりすることです。そこで、はっきりした正解がないパターンの特定に役立つ［教師なし学習］という学習方法もあります。
特徴を「分類する」
教師なし学習
正解が明確なものを「区別する」ための学習だった［教師あり学習］。それに対して［教師なし学習］とはどんなものでしょうか？
［教師なし学習］とは、正解を用意せず大量のデータを読み込ませ、AI自身が特徴や一定のルールを導き出す「機械学習」のこと。
ちょっとまだ難しいかもしれないですね。少し例を挙げてみましょう。
［教師あり学習］では犬と猫の画像を大量に読み込ませ、犬と猫を区別しましたね。［教師なし学習］では、とにかくいろいろな動物の画像を読み込ませます。そうして、その中から「色」で分けたり、「似ている形」で分けたり、特徴をAIが判断し、グループに分けていきます。人間では予測のできないグループを導き出したりするため、一見相関関係がなさそうで、実はパターンが似通っているものを見つけるような、はっきりした正解がないパターンの特定が得意なんですね。
実際使われているケースでは、こんなものがあります。
●人をさまざまな興味や関心によって分類する
●購入の行動履歴で、顧客をグループ化する
●「この商品を買っている人は、ついでにこんなものも買っている」という関連商品の想定
このように何かを分類し、それを分析するのにとても有効な学習、それが［教師なし学習］なのですね。
ほしい答えを見越した、
最適な学習が必要なんだね。
