[AI入門]機械学習の3つの手法(教師あり学習、教師なし学習、強化学習)

前回はAIと機械学習、ディープラーニングの関係について学んでいきましたが、今回はその中でも機械学習について掘り下げていきましょう。

機械学習は大きく分けて3つ、教師あり学習教師なし学習強化学習という学習手法があります。
そのそれぞれに向き不向きがあるため目的によってこれらの学習手法を適切に選択していく必要があります。

教師あり学習

教師あり学習とは正解ラベルを付けた訓練データを用いて学習する手法です。
手書き数字を読み取るAIを作るなら数字を書いた画像データ、花の品種を分類するAIなら花びらの長さや幅のデータなどといった学習用のデータに、書いてある数字、花の品種といったデータごとの正解ラベルが付与されている状態で学習を進めるものです。

画像や音声などの分類問題や、商品の売れ行き個数を予測する予測問題(回帰問題)など多くのAI開発の基本となる学習手法です。

教師なし学習

教師なし学習は正解ラベルのない訓練データを元に学習する手法です。正解ラベルもないままに何を学習するんだろう…と思うかもしれませんが、機械学習は元よりデータの性質や共通点、傾向を見出すのに秀でているため、画一的な正解のないECサイト等におけるレコメンドシステムや、モノとモノの見えない関係性を導き出すクラスタリングなど人間には正解の用意できない問題に適しています。

※クラスタリング:正解ラベルが存在しない状態で行う分類問題。基準はわからないため、分類結果を通して人間がその意味を見出す必要がある。

強化学習

強化学習はある環境下にAIの指示によって行動を選択するエージェントを配置し、その環境における状況や選択した行動によって報酬を与えることで報酬を最大化するための行動選択を学習していくという学習法です。

ロボットの制御やオセロや将棋などのボードゲームや単純なビデオゲームなど、選択によって目まぐるしく変化する環境の中で、持続的な選択が必要となる問題に適した学習手法です。近年は自動運転技術などにも用いられています。

このように、偏に機械学習といえども学習手法の面でも様々な方法が存在します。
次回以降はそれぞれの学習手法についてもう少し詳しく紹介していきます。

学習手法と問題の組み合わせとして不適切なものをどれ?
AI入門4
{{quiz}} {{maxScore}}問中{{userScore}}問正解!
{{title}}
{{image}}
{{content}}

ライター:H.I