AIに関する話題の中でよく耳にする
「教師あり学習」「教師なし学習」「強化学習」という言葉。
聞いたことはあっても、人に説明しようとすると意外と難しく感じることがあります。
今回はこの三つを、少し丁寧にまとめてみました。
教師あり学習
教師あり学習は、あらかじめ正解のデータが用意されている学習方法です。
画像から「猫」か「犬」かを判別したり、家賃や販売数を予測したりといった場面で使われます。
正解があるため、モデルはその正解に近づけるように学習していきます。
まるで先生から答えを教わりながら練習するようなイメージです。
教師なし学習
教師なし学習では正解が与えられていません。
それでもデータの中には性質や傾向が隠れていることがあり、それを見つけていく手法です。
顧客をグループに分けるクラスタリングや、情報を圧縮する次元削減などがよく知られています。
誰も答えを教えてはくれませんが、自分で秩序や構造を見つけていくところに面白さがあります。
強化学習
強化学習は少し雰囲気が変わります。
正解は示されませんが、行動に対して“報酬”が返ってきます。
良い結果には報酬が与えられ、望ましくない行動には報酬が得られず、
その積み重ねの中でより良い行動を学習していきます。
囲碁や将棋、自動運転、ロボット制御などで用いられている手法です。
三つの違いをまとめてみると
三つは似ているように見えますが、
実は「どのようなフィードバックが返ってくるか」が大きな違いになっています。
小さな補足
クラスタリングは“分類”を行っているように見えますが、
正解のラベルがないため教師なし学習に分類されます。
ここは試験でも少しひっかかりやすい部分です。
おわりに
この三つを整理しておくと、
AIに関するニュースや議論がとても読みやすくなります。
また、G検定の理解にもそのまま役立ってくれます。