【第5話】AIはどうやって学ぶの？「教師あり学習」でわかるAIの基本的な育て方

AIはどうやって「正解」を覚えるの？

「AIって、どうやって“正解”を覚えるんだろう？」
そんな疑問を持ったことはありませんか。たとえば、猫の写真を見せて「これは猫です」と教え、次に犬の写真を見せて「これは犬です」と伝える。こうしたやり取りを何度も繰り返すうちに、「これは猫」「これは犬」と自分で見分けられるようになる。まるで、人間の子どもが言葉やものの名前を覚えていく様子に少し似ています。

AIにも、このような学び方があります。それが「教師あり学習（Supervised Learning）」と呼ばれる方法です。少し堅苦しく聞こえるかもしれませんが、実はAIの基本となる、とても大切な考え方です。

教師あり学習ってどんな仕組み？

教師あり学習とは、「あらかじめ正解がわかっているデータ」を使ってAIに教える方法です。ここでいう“教師”とは、人間が用意した答えそのもの。たとえば、「このメールは迷惑メール」「これは普通のメール」とラベル（印）を付けた大量のデータを用意し、それをAIに見せながら、「こういう特徴があるメールは迷惑メールなんだよ」と教えていきます。

このような方法で学んだAIは、与えられた情報から共通点やルールを見つけ出し、新しいデータにも自分なりに答えを出せるようになります。この仕組みは、「分類」や「回帰」と呼ばれるタスクでよく使われます。

分類とは、物事をグループごとに分けること。たとえば、「猫」と「犬」の写真をそれぞれ分ける作業などがこれにあたります。一方、回帰とは数値を予測することで、「この家はいくらくらいで売れるか？」といった未来の値段などを予測する際に使われます。

身近なところで活躍する一方、注意点も

この教師あり学習は、私たちの日常でもさまざまな場面で活躍しています。たとえばスマートフォンのカメラアプリには、顔認識機能がありますよね。あれも最初は、人間が「これが顔ですよ」と何万枚もの画像にラベル付けして教え込んだ結果なのです。

また、ネットショッピングで表示される「あなたへのおすすめ」も、多くの場合、この仕組みによって実現されています。過去の購入履歴や閲覧履歴などから、「この人にはこんな商品が合いそうだ」と判断しているわけですね。

ただし、この方法には注意すべき点もあります。一番大きな課題は、「正解付きデータ」を大量に集める必要があるということ。そのためには多くの人手や時間が必要になります。また、ときには偏った種類のデータしか集まらないこともあります。そうなると、AIが特定の傾向ばかり覚えてしまい、本来なら違う判断をすべき場面でも誤った答えを出してしまう可能性があります。

さらに、人間が与える“正解”そのものにも限界があります。「これは猫」「こっちは犬」とラベル付けする作業ひとつ取っても、人によって判断基準が異なる場合がありますよね。つまり、“正解”と思っていたもの自体が、本当に正しいとは限らないという問題もあるわけです。

AIとの関わり方を考えるために

それでもなお、この教師あり学習は今でも多くの場面で使われ続けています。そして最近では、この基本的な仕組みに加えて、新しい技術や工夫（たとえばファインチューニングという調整方法）によって、より柔軟で賢いAIへと進化しています。

一方で、「そもそも正解なんて決められない」という場面では、“教師なし学習”という別のアプローチも登場しています（こちらについては別の記事でご紹介しますね）。

私たち人間も、小さいころから誰かに教わりながら育ちました。「これはリンゴ」「こっちはミカン」。そんな経験を重ねながら、自分自身で考えたり判断したりできるようになっていきます。AIにも、それとよく似た“育て方”があるということ。それだけでも少し親しみやすく感じられるかもしれません。

次にAIと関わる機会があったら、その裏側にはこんな“学び”の仕組みがあるんだと思い出してみてください。そしてもし、「他にも違う学び方ってあるんだろうか？」と思ったなら、それはもう次の記事への入り口です。