機械学習の基本ともいえる「教師あり学習」と「教師なし学習」。名前はよく聞くけれど、正直ピンときていない人も多いのではないでしょうか？今回の動画では、難しい数式を使わずに、日常的なたとえ話を交えながら、この2つの学習法の違いをわかりやすく解説しています。教師あり学習は「答えを教えて学ぶ」スタイル、教師なし学習は「自分でパターンを見つける」スタイル。その違いと、それぞれの得意分野を知ることで、AIの理解がグッと深まります。
教師あり学習とは？
問題と答えをセットで教える学習法
教師あり学習は、「問題」と「正解の答え（ラベル）」をセットで機械に与えて学習させる方法です。たとえば、ある日の気圧・湿度・降水量（問題）と、その日の気温（答え）をセットにして学習させれば、機械は新しい気圧や湿度の情報から気温を予測できるようになります。
手書き文字認識の例
「これは1」「これは2」……というふうに、手書きの数字画像とそれに対応する正解ラベルをセットで学習。間違ったときには「それは3じゃなくて2だよ！」と正されながら、より正確な予測モデルが作られていきます。
- 気温の予測（回帰）
- 迷惑メールの分類（クラス分類）
- 手書き数字の認識
豆知識: 教師あり学習の「ラベル付きデータ」は人手で用意されることが多く、ここがコストや時間のボトルネックになることも。
教師なし学習とは？
正解を与えずにデータの特徴を発見
教師なし学習では、正解ラベルを与えず、データそのものだけを使って機械に学習させます。予測モデルの構築よりも、「分類」や「本質の抽出」に力を発揮します。
ワインのクラスタリング例
アルコール度数や酸味などの特徴だけを機械に与えると、機械はそれらのワインを自動的にグループ分けします。人間が「これは赤ワイン、これは白ワインかな？」と後で意味づけをするのが一般的です。
- クラスタリング（グループ分け）
- 次元削減（本質の抽出）
- 購買傾向の分析（例：おむつとビール）
豆知識: 教師なし学習で「おむつとビールの相関」が見つかったのは有名な話。実際の背景には、お父さんがビールも一緒に買って帰るという生活のリアルがありました！
教師ありと教師なしの違いまとめ
教師あり学習は「これが正解」と教えながら学ぶスタイル。教師なし学習は「正解は言わないけど、自分でグループ分けしてみて」というスタイル。前者は希望通りの動作が欲しいとき、後者は予想外のパターンを知りたいときに有効です。
画像認識の例
犬と猫の画像認識を使えば、違いがもっとわかります。教師ありでは「これは犬」「これは猫」と教えて学習。教師なしでは画像だけを与えてグループ分けさせ、そのあと人間が「こっちが犬グループだね」と判断します。
赤ちゃんの学び方にも似ている！？
最初は「これは猫」と言われず、何となく似てるものをまとめて「これ系」と覚えるのが赤ちゃん。そのあとに大人が「これは猫だよ」と教えてあげる。これ、まさに教師なし→教師ありの流れです！
AIも人も、学び方はいろいろ！
教師あり学習と教師なし学習、それぞれの特徴を知ればAIの可能性がよりリアルに感じられるはず。実社会でも多く使われている手法なので、ちょっと知っておくだけでも役立ちます。ぜひ、AIとの付き合い方のヒントにしてみてください。
この動画を見るべきかどうか評価
- わかりやすさ：★★★★★
- 実生活への応用度：★★★★☆
- ユーモア＆共感ポイント：★★★★☆
コメント