教師あり学習・教師なし学習・強化学習の違い｜AIの学び方を比較

結論：教師あり学習・教師なし学習・強化学習の違いは、AIが何を手掛かりに学ぶかです。正解データを使うのが教師あり学習、正解のないデータの特徴を探すのが教師なし学習、行動後の報酬を使うのが強化学習です。ITパスポートでは、目的ではなく手掛かりから選び分けると混同しません。

三つの学習方法を最初に比較する

三つはいずれも機械学習の方法ですが、同じ問題に同時に使うとは限りません。まず、手元に正解があるのか、データを整理したいのか、試行錯誤で行動を改善したいのかを考えます。IPAのITパスポート試験シラバスVer.6.5でも、これらはAI技術に関する用語例として扱われています。

教師あり学習：正解を基に分類や予測をする

教師あり学習では、過去の入力と正解を対応付けたデータを用意します。AIはその組から関係を学び、まだ正解が分からない新しい入力に対して、分類や予測を行います。過去の条件と実際の売上を使って将来の売上を見積もる場合は、正解である実績値があるため、この考え方に近づきます。

仕事では、問い合わせ内容と過去の分類結果を使い、届いた問い合わせを担当分野ごとに仕分ける支援に使われます。日常生活では、写真に付いた分類情報を基に似た種類の写真を判定する機能を理解する手掛かりになります。ただし、学習データの正解や偏りが結果に影響するため、出力をそのまま確定判断にせず確認が必要です。

教師あり学習の仕組みを読むと、入力と正解の組をどう使うかを詳しく確認できます。比較表で正解データを見たら、この個別記事で分類と予測の違いまで進むと理解が深まります。

教師なし学習：正解なしで傾向やまとまりを見つける

教師なし学習では、あらかじめ正解ラベルを付けずにデータを渡します。AIはデータ同士の似ている度合いなどを手掛かりに、特徴やまとまりを見つけます。代表例のクラスタリングは、似たデータを同じグループに分ける処理です。

仕事では、購買履歴や問い合わせ内容を傾向別に整理し、似たニーズの集まりを把握する分析に使われます。日常生活では、音楽や動画の利用履歴から近い傾向を持つ作品を候補として示す仕組みを考える際の手掛かりになります。実際のサービスは複数の方法を組み合わせるため、教師なし学習だけで推薦が決まるとは限りません。

教師なし学習とクラスタリングを確認すると、正解を用意しない理由と、結果のグループを人が解釈する必要性を理解できます。教師あり学習との違いを、正解の有無で確実に区別したいときに役立ちます。

強化学習：報酬を基に行動を選べるようにする

強化学習は、AIが環境の中で行動し、その結果として得た報酬を基に学ぶ方法です。各場面で正解の行動が直接与えられるとは限らず、繰り返し試しながら、将来も含めて多くの報酬を得られる行動を探します。

仕事では、在庫や混雑などの状況に応じて、順序や配分の選び方を改善する問題を考えるときにこの発想が使われます。日常生活では、ゲームの中で試行錯誤しながら得点を増やす行動を学ぶAIをイメージすると分かりやすいでしょう。安全性や目的に関わる設定は、人が条件を確認してから使います。

強化学習の仕組みでは、状態・行動・報酬の関係を図解しています。正解データやデータのまとまりではなく、行動結果の評価を使う点を確認してください。

試験問題での選び分け方

• 正解付きの過去データから予測・分類するなら、教師あり学習です。
• 正解のないデータから似た集まりや傾向を見つけるなら、教師なし学習です。
• 行動した結果の報酬を増やす選び方を学ぶなら、強化学習です。

問題文にAIという言葉があっても、用途だけで決めないことが重要です。売上予測なら正解となる過去実績があるか、利用者のグループ分けなら正解を付けずに特徴を探すか、行動の改善なら報酬が示されるかを順に確認します。

確認問題

問題1：過去のメールと、迷惑メールか通常メールかという分類結果を使い、新しいメールを分類する方法はどれですか。

答え：教師あり学習です。入力であるメールと正解である分類結果の組を使います。

問題2：正解ラベルを付けていない購買履歴から、似た購買傾向を持つ利用者の集まりを見つける方法はどれですか。

答え：教師なし学習です。データの特徴を基にグループを見つけます。

問題3：AIが行動後に得る点数を基に、より得点が高くなる選び方を学ぶ方法はどれですか。

答え：強化学習です。行動の結果である報酬を手掛かりにします。

まとめ

教師あり学習・教師なし学習・強化学習の違いは、AIが学ぶための手掛かりにあります。正解データ、正解のないデータの特徴、行動後の報酬を対応させて覚えれば、ITパスポートの問題でも仕事や生活の説明でも選び分けられます。