【2025年生成AIパスポート試験対策シリーズ】機械学習の手法 - 教師あり学習、教師なし学習、強化学習

AIが学習を通じて知能を高める方法として、機械学習には「教師あり学習」「教師なし学習」「強化学習」という3つの主要な手法があります。

この記事では、AIパスポート試験の学習項目「機械学習の手法」に基づき、それぞれの特徴や用途を解説します。

教師あり学習

教師あり学習は、正解ラベルが付与されたデータをもとにAIが学習を行う手法です。

入力データとそれに対応する出力（正解）の関係を学ぶことで、新しいデータに対しても予測や分類ができるようになります。

たとえば、画像に「犬」や「猫」といったラベルを付けて学習させると、AIは新しい画像でも正しく識別できるようになります。

• 分類（スパムメールの識別など）
• 回帰（住宅価格の予測など）

教師なし学習

教師なし学習は、ラベルが付与されていないデータを用いてAIがパターンを発見する手法です。

AIはデータの特徴や構造を自己発見し、データをグループ化したり、重要な特徴を抽出したりします。

たとえば、顧客の購買データを分析してセグメント化する際に用いられます。

• クラスタリング（顧客セグメンテーションなど）
• 次元削減（データ可視化など）

強化学習

強化学習は、環境との相互作用を通じて報酬を得ることでAIが最適な行動を学習する手法です。

AIは試行錯誤を繰り返し、行動の結果から得られる報酬を基準にして改善を重ねます。

たとえば、自動運転車が安全に目的地に到達するための運転方法を学ぶ際に用いられます。

• ゲームAI（チェスや囲碁など）
• 自動運転（最適な運転行動の学習）

模擬問題

以下は、「機械学習の手法」に関する模擬問題です。試験対策に役立ててください。

問題1
正解ラベルが付与されたデータを用いて学習を行う手法は何ですか？
1. 教師あり学習
2. 教師なし学習
3. 強化学習
4. クラスタリング

答え: 1. 教師あり学習

問題2
ラベルなしデータを使い、データのグループ化や構造発見を行う手法はどれですか？
1. 教師あり学習
2. 教師なし学習
3. 強化学習
4. 回帰分析

答え: 2. 教師なし学習

問題3
AIが環境との相互作用を通じて報酬を得て学習する手法は何ですか？
1. 教師あり学習
2. 教師なし学習
3. 強化学習
4. 次元削減

答え: 3. 強化学習

まとめ

この記事では、機械学習の3つの主要な手法「教師あり学習」「教師なし学習」「強化学習」の特徴や用途について学びました。

それぞれの手法が特定のタスクに適しており、AIの性能を最大限に引き出すために使い分けられています。この知識を活用して、試験対策に役立ててください。