機械学習の形態

現在のAIの主流である「機械学習 (Machine Learning: ML)」の3つの主要な形態について解説します。

機械学習の分類

1. 教師あり学習 (Supervised Learning)

• 仕組み: 「入力データ」と「正解ラベル（答え）」のセットを与えて学習させる手法。
• 用途: 画像分類（犬か猫か）、価格予測、スパムメール検知など。
• テストのポイント: ラベル付け（アノテーション）が正確かどうかが品質を左右します。

2. 教師なし学習 (Unsupervised Learning)

• 仕組み: 正解ラベルを与えず、データそのものの構造や特徴をAIに見つけさせる手法。
• 用途: クラスタリング（顧客のグループ分け）、異常検知、レコメンデーションなど。
• テストのポイント: 「正解」が存在しないため、結果の妥当性を評価するのが難しい（テストオラクル問題）。

3. 強化学習 (Reinforcement Learning)

• 仕組み: エージェント（AI）が環境の中で行動し、その結果得られる「報酬」を最大化するように学習する手法。
• 用途: ゲームAI（囲碁、将棋）、ロボット制御、自動運転など。
• テストのポイント: シミュレーション環境での膨大な試行錯誤が必要です。

学習における課題

• 過学習 (Overfitting):
  • 訓練データに適合しすぎて、未知のデータに対応できなくなる状態（丸暗記状態）。
• 学習不足 (Underfitting):
  • モデルが単純すぎて、データのパターンを捉えきれていない状態。