機械学習の基礎

迷惑メールの自動振り分け、顔認証、翻訳、おすすめ動画の表示 — これらはすべて機械学習の応用です。機械学習とは、人間がルールを1つずつプログラムするのではなく、大量のデータからコンピュータ自身が規則性（パターン）を学習する技術で、現在のAI（人工知能）の中心的な手法です。この講義では、機械学習の3つの学習方式と、使ううえで欠かせない注意点を学びます。

従来のプログラミングとの違い

従来のプログラムは「もし〜なら〜する」というルールを人間がすべて書きます。しかし「写真に猫が写っているか判定するルール」を人手で書き尽くすことはほぼ不可能です。機械学習では、猫の写真を大量に与えて「猫らしさの特徴」をデータから自動的に見つけさせます。ルールを書く代わりに、データと答えから規則を学ばせる — これが発想の転換です。

3つの学習方式

① 教師あり学習：正解ラベル付きのデータで学習する方式。「このメールは迷惑メール」「この画像は猫」という正解をたくさん与え、未知のデータの答えを予測できるようにします。答えがカテゴリ（迷惑/通常、猫/犬）の問題を分類、答えが数値（明日の売上、家の価格）の問題を回帰と呼びます。前講の回帰直線は最も単純な教師あり学習とみなせます。

② 教師なし学習：正解ラベルのないデータから、隠れた構造を見つける方式。代表例が、似たものどうしを自動でグループ分けするクラスタリングです。たとえば通販サイトの顧客を購買傾向で数グループに分け、グループごとに違う広告を出す、といった使い方をします。

③ 強化学習：正解データの代わりに報酬を手がかりに、試行錯誤を通じて「報酬が最大になる行動」を学ぶ方式。囲碁AIやロボットの歩行制御、ゲームAIなどで使われます。「うまくいったら+1点、失敗したら−1点」のような評価だけを与え、良い手を自分で発見させます。

訓練データとテストデータ、そして過学習

機械学習では、集めたデータを訓練データ（学習に使う）とテストデータ（性能の確認に使う）に分けるのが鉄則です。なぜなら、学習に使ったデータで採点しても本当の実力はわからないからです — 解答を丸暗記した問題集で満点を取るようなものです。

訓練データに合わせすぎた結果、訓練データでは高得点なのに未知のデータでは性能が落ちる現象を過学習（オーバーフィッティング）と呼びます。訓練データの細かい偶然やノイズまで「規則」として覚え込んでしまうのが原因です。対策には、訓練データを増やす、モデルを単純にする、テストデータで性能を監視する、などがあります。

機械学習を使うときの注意

機械学習は与えられたデータの傾向をそのまま学びます。データに偏りがあれば、その偏り（バイアス）まで学習してしまいます。たとえば過去の採用データに偏りがあれば、それを学んだAIは同じ偏った判断を繰り返します。また、判断の根拠を人間が説明しにくい（ブラックボックスになりやすい）という課題もあり、AIの出力を鵜呑みにせず人間が検証する姿勢が不可欠です。

練習問題

1. 次の課題はそれぞれ「教師あり学習」「教師なし学習」「強化学習」のどれが適するか答えなさい。①手書き数字の画像を0〜9に判別する ②アンケート回答者を回答傾向の似たグループに分ける ③対戦を繰り返してオセロの強い打ち方を身につけさせる
2. 教師あり学習の「分類」と「回帰」の違いを、例を挙げて説明しなさい。
3. 過学習とは何か説明し、それを見つけるためにデータを訓練データとテストデータに分ける理由を述べなさい。