AI・機械学習の基礎用語

人工知能（AI）は、人の知的活動に関わる機能をコンピュータで実現する技術や研究分野の総称です。機械学習はAIを実現する方法の一つで、データから規則や判断基準を学びます。深層学習は、多層のニューラルネットワークを用いる機械学習の一分野です。これらは包含関係にあり、同じ意味の用語ではありません。

教師あり学習は正解ラベル付きデータを使い、カテゴリを予測する分類や数値を予測する回帰に利用します。教師なし学習は正解ラベルなしのデータから構造を探り、クラスタリングや次元削減などに使います。強化学習は、環境との相互作用で得る報酬を手掛かりに、長期的な報酬を高める行動方策を学びます。学習済みモデルを新しいデータへ適用して予測する段階が推論です。

試験では、課題と学習方式、評価指標の組合せが問われます。学習データへの適合が強すぎ、未知データで性能が落ちる状態が過学習です。モデル選択や調整には検証データ、最終評価には独立したテストデータを使います。分類では、陽性と予測した中で正しかった割合が適合率、実際の陽性をどれだけ拾えたかが再現率です。見逃しと誤検知のどちらを重く見るかで適切な指標は変わります。

• 機械学習はAIの一分野であり、深層学習は機械学習の一分野です。
• 教師あり学習はラベル付きデータを用い、代表的な課題は分類と回帰です。
• 教師なし学習のクラスタリングは、ラベルなしデータを類似性でグループ化します。
• 過学習は学習データでは高性能でも、未知データへの汎化性能が低い状態です。
• 適合率と再現率は、誤検知と見逃しのどちらを重視するかで使い分けます。

製造ラインの画像検査で不良品を陽性とする分類モデルを評価する。不良品を良品と判定して出荷する見逃しを特に減らしたい場合、まず重視すべき評価指標はどれか。

• ア. 再現率
• イ. 適合率
• ウ. 決定係数
• エ. 平均絶対誤差