本文へ移動
← 目次 生成AI基礎講座 DAY 02

第1章|AIの基礎

DAY 02 ・ 約15分

AIはどうやって学ぶのか

答え付き問題集・仲間分け・ゲームの練習から、三つの学習方法を理解する。

今日できるようになること

教師あり学習・教師なし学習・強化学習を、与える手掛かりと目的の違いから説明できる。

01 言葉を知る02 仕組みを理解する03 実例で理解する04 今日の理解度を確認する05 今日の整理をする
01|言葉を知る

言葉を知る

用語だけを暗記せず、似た言葉との違いまで説明できる状態を目指します。

ラベル

学習データへ付ける正解や分類名です。犬の写真に「犬」、購入履歴に「購入した・しなかった」と付ける情報がラベルです。ラベルの間違いや偏りは、そのまま学習結果へ影響します。

教師あり学習

入力データと正解ラベルの組を使って、入力から正解を予測する規則を学ぶ方法です。正解付きの問題集で練習し、初めて見る問題へ答えられるようにするイメージです。

分類

入力を、あらかじめ決めた種類へ分ける課題です。迷惑メールか通常メールか、画像が犬か猫か、商品が不良か正常かなど、答えがカテゴリーになる問題を扱います。

回帰

入力から連続する数値を予測する課題です。住宅価格、来月の売上、所要時間など、答えが「種類」ではなく数値になる問題に使われます。

教師なし学習

正解ラベルを与えず、データの中にある似たもの同士のまとまり、特徴、珍しいパターンなどを探す方法です。見つかったまとまりにどんな意味があるかは、人が目的に照らして解釈します。

クラスタリング

データ同士の似ている度合いを使い、近い特徴を持つものをグループに分ける方法です。顧客を購買傾向で分ける、似た記事をまとめるといった用途があります。

強化学習

行動した結果として得られる報酬やペナルティを手掛かりに、長い目で得点を増やす行動を学ぶ方法です。正解の行動を毎回教えるのではなく、試行錯誤を通じて方策を改善します。

報酬

強化学習で「どの結果が望ましいか」を数値で伝える信号です。報酬の決め方が不十分だと、人が本当に望んだ行動ではなく、点数だけを稼ぐ近道を学ぶことがあります。

02|仕組みを理解する

仕組みを理解する

1.三つの違いは「何を手掛かりに学ぶか」

教師あり・教師なし・強化学習という名前は難しく見えますが、違いの中心は単純です。正解を見せて学ばせるのが教師あり学習、正解を見せずデータの特徴を探させるのが教師なし学習、行動後の得点を手掛かりに学ばせるのが強化学習です。同じデータでも、何を知りたいかによって選ぶ方法は変わります。顧客データから「来月購入する人」を当てたいのか、まだ知らない顧客グループを見つけたいのか、クーポンを出す順番を試しながら改善したいのかでは、問題の形が異なります。技術名から選ぶのではなく、「手元に正解があるか」「見つけたいのは予測か構造か」「行動が次の状態へ影響するか」を先に考えます。

2.教師あり学習は、答え付きの問題集で練習する

子どもが果物の名前を覚える場面を考えます。大人がリンゴの写真を見せて「これはリンゴ」、バナナを見せて「これはバナナ」と教えます。何度も例を見るうちに、初めて見る写真でも名前を答えられるようになります。教師あり学習も、入力と正解の組を多数使います。迷惑メール判定なら、過去のメール本文が入力、「迷惑・通常」が正解ラベルです。ただし、写真と名前の組が間違っていれば、正しく学べません。人が付けたラベルが曖昧だったり、特定の種類の例が少なかったりすると、モデルの判断も偏ります。「正解付きだから安心」ではなく、誰がどんな基準で正解を付けたかまで確認する必要があります。

3.教師あり学習には「種類を当てる」と「数字を当てる」がある

教師あり学習の代表的な課題は分類と回帰です。分類は、選択肢の中から種類を当てる問題です。問い合わせを「返品・故障・使い方」に分ける、写真を「犬・猫」に分ける、といった用途です。回帰は、連続する数値を予測する問題です。部屋の広さや駅からの距離から家賃を予測する、曜日や天候から来店数を予測する、といった用途です。「購入する・しない」は分類ですが、「いくら購入するか」は回帰になります。どちらも正解付きデータを使いますが、欲しい答えの形が違います。業務でAIを考えるときは、最終的に欲しい出力がカテゴリーなのか数値なのかを言葉にすると、問題を整理しやすくなります。

4.教師なし学習は、名前のないものを似た仲間に分ける

洗濯物の山から靴下を整理する場面を想像してください。「仕事用」「運動用」と正解ラベルが付いていなくても、色、長さ、厚さ、模様が似たものを近くへ集めることはできます。教師なし学習は、これに近い働きをします。顧客データなら、購入頻度、金額、選ぶ商品などの特徴から、似た行動の人をグループに分けます。ただし、AIが見つけたグループに「節約志向」「新商品好き」と意味を付けるところまでは自動的に正解とはなりません。たまたま地域や年齢で分かれただけかもしれません。見つかったまとまりが事業上役立つか、差別や不当な扱いにつながらないかを、人が確認して解釈します。

5.強化学習は、ゲームを繰り返して得点の取り方を覚える

迷路ゲームで、ゴールへ着けば10点、壁にぶつかればマイナス1点、遠回りすると時間がかかるとします。最初は正しい道が分からなくても、何度も動き、結果の点数を比べることで、より多くの得点につながる進み方を学べます。これが強化学習の基本イメージです。大切なのは、今の一手だけでなく、その行動が後の状況を変えることです。目の前の1点を取るより、将来10点を取れる位置へ移動した方がよい場合があります。ロボット制御、ゲーム、在庫や配送のように、行動が次の状態へ影響する問題で使われます。毎回の正解行動を人が教える教師あり学習とは、学び方が異なります。

6.報酬の数字は、人の本当の目的と一致するとは限らない

強化学習では、設定された報酬を増やすことが目標になります。そこで「早くゴールする」を強く評価しすぎると、安全確認を飛ばすかもしれません。「クリック数を増やす」を報酬にすると、利用者を不安にさせる刺激的な内容ばかり表示する可能性があります。AIがルールを破ったというより、与えられた点数を正直に最大化した結果です。この問題は報酬ハッキングなどと呼ばれます。評価指標を一つに絞らず、安全・品質・公平性などの制約を組み合わせ、望ましくない近道がないかを監視する必要があります。何を測るかは、AIが何を学ぶかを決める設計そのものです。

7.同じ会社でも、目的によって学習方法は変わる

ネットショップを例にします。過去の購入結果を使い「この人は購入するか」を予測するなら教師あり学習です。まだ名前のない顧客の傾向を見つけ、似た人をまとめるなら教師なし学習です。表示する商品やクーポンを変えながら、長期的な満足や売上につながる順番を学ぶなら強化学習が候補になります。三つは優劣ではなく、問題に合うかどうかで選びます。実際の仕組みでは組み合わせることもあります。最初に教師なし学習でグループを見つけ、人が意味を確認してラベルを付け、その後は教師あり学習で新しい顧客を分類する、といった流れです。

8.たとえ話は入口であり、実際の学習はデータと評価で決まる

「問題集」「仲間分け」「ゲーム」という例は違いをつかむ入口ですが、現実のデータはもっと複雑です。正解が付いていても間違いが混ざり、教師なし学習のグループが毎回同じ意味になるとは限らず、強化学習は実世界で危険な試行錯誤を自由にできません。そのため、目的に合うデータを準備し、学習に使っていないデータで性能を確かめ、人が許容できない失敗を決めます。方法の名前を覚えるだけでなく、「何を入力し、何を手掛かりにし、どんな結果を良いと評価するか」を説明できることが理解の目標です。

9.チャットAIへ話しかけることと、モデルを学習させることは別

会話型の生成AIへ質問を追加すると、すぐに答え方が変わるため、その場でAIが学習したように見えます。しかし通常の会話では、学習済みモデルへ新しい入力と会話の文脈を渡して推論しているのであり、利用者の一言ごとにモデル全体の重みを作り直しているわけではありません。サービスによっては会話履歴、保存メモリ、検索結果などを次の回答へ利用しますが、それらもモデルの学習工程とは分けて考えます。学習はデータを使ってモデル内部の調整を行う工程、推論は完成したモデルを使って結果を出す工程です。この違いを知ると、訂正した直後だけ回答が改善しても、別の会話や別の利用者へ自動的に定着するとは限らない理由が分かります。

10.できること・できないことを、失敗の影響まで含めて決める

教師あり学習は過去に正解例があり、同じ形式の予測を繰り返す仕事に向きます。教師なし学習はラベルのない大量データを眺める入口を作り、強化学習は行動が次の状況へ影響する問題を改善できます。一方、どの方法も目的そのものを人に代わって正しく決めること、将来の未知の変化を保証すること、偏ったデータから公平な結論を自動的に生み出すことはできません。失敗例として、過去の優良顧客だけを正解として学ばせると、新しい顧客層を不当に低く評価する場合があります。安全に使うには、個人情報を必要以上に集めず、学習用と評価用のデータを分け、誤判定で不利益を受ける人が異議を申し立てられる手順を用意し、重大な判断は人が確認します。

11.正しく学べたかを確認し、自分の仕事で小さく演習する

確認では、学習に使っていない検証データへモデルを適用し、正解率だけでなく、見逃しと誤検知、対象グループごとの差、実際に起きる損失を調べます。平均点が高くても、一部の人だけ失敗が集中していれば安全とはいえません。運用開始後も入力データが変化していないかを測り、基準を下回れば停止・再評価できるようにします。読者演習として、自分の仕事から「問い合わせ分類」「顧客の未知のまとまり探し」「在庫配置の継続改善」のどれか一つを選び、入力、学習の手掛かり、望む出力、失敗時の影響を一行ずつ書いてください。最後に、教師あり・教師なし・強化学習のどれが候補か、その理由を説明します。十分なデータや安全な試行環境がないなら、単純なルールや人の判断を選ぶ結論も適切です。

03|実例で理解する

実例で理解する

具体例で考える

冷蔵庫にいろいろな飲み物が入っている場面で考えます。一本ずつ「ジュース・お茶・水」と正解シールを貼り、その例から新しい飲み物の種類を当てるのが教師あり学習です。シールを貼らず、色・甘さ・容器などが似た飲み物を自然なまとまりへ分けるのが教師なし学習です。飲み物を並べる場所を変え、売れたら得点、売れ残ったら減点として、長期的に売れやすい置き方を試すのが強化学習のイメージです。同じ商品データを使っても、正解を当てたいのか、未知のまとまりを見つけたいのか、行動を改善したいのかで学び方は変わります。実際に使う前には、正解シールの基準が統一されているか、見つけたまとまりへ勝手な名前を付けていないか、売上の得点だけで安全や満足を損なわないかを確認します。学習方法を選ぶことと、望ましい結果を定義することは別の仕事です。

手を動かして理解する

  1. 今日の三つの用語を、見ずに説明する
  2. 仕事や生活の例へ置き換える
  3. 間違えた確認問題の理由を声に出して説明する

04|今日の理解度を確認する

今日の理解度を確認する

1 / 5
QUESTION 01

過去のメールに「迷惑」「通常」という正解を付け、新しいメールをどちらかに分けたい場合、最も適した学習方法はどれですか。

QUESTION 02

購入履歴を使い、まだ名前の付いていない「似た買い方をする顧客のまとまり」を見つけたい場合、最も適した方法はどれですか。

QUESTION 03

ロボットが迷路を進み、ゴールで加点、壁への衝突で減点されながら、より良い進み方を覚えます。この学び方はどれですか。

QUESTION 04

部屋の広さ・築年数・駅までの距離から、家賃という数値を予測します。教師あり学習のどの課題に当たりますか。

QUESTION 05

動画サービスが「クリック数」だけを高得点にした結果、刺激の強い動画ばかり勧めるようになりました。最も重要な改善はどれですか。

05|今日の整理をする

今日の整理をする

この3点を持ち帰る

  • ✓ 教師ありは正解、教師なしはデータの構造、強化学習は行動後の報酬を手掛かりにする
  • ✓ 分類は種類、回帰は数値を予測する
  • ✓ 学習方法より先に、目的・データ・評価方法を決める

NEXT LESSONDAY 3「ニューラルネットワークの仕組み」へ次のDAYに進む →