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。

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。

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。