カテゴリー: 3 Minutes AI

伴菜と美月のAI教室｜読了時間：約3分

美月の「これってどういうこと？」

美月：「ねえ、ハンナ。前にAIはデータを使って学習するって教えてくれたよね。でも、AIってどうやって正しい答えを覚えるの？」

伴菜：「いい質問ね。実は、AIの学習にはいくつかの方法があるの。今日は代表的な『教師あり学習』と『教師なし学習』を紹介するわね」

美月：「教師ってことは、AIにも先生がいるの？」

伴菜：「ふふっ、本当の先生がいるわけじゃないのよ。教師あり学習では、正解となる情報を付けたデータを使って学習するの。例えば、猫の写真には『猫』、犬の写真には『犬』という正解を付けて教えるのよ」

美月：「なるほど！ じゃあ、教師なし学習は正解を教えないってこと？」

伴菜：「そのとおり。教師なし学習では、正解ラベルを付けずに、データの特徴や似ているもの同士のまとまりを見つけるの。例えば、たくさんの動物の写真を渡して、特徴が似た写真をグループに分けるような方法があるわ」

美月：「でも、正解を教えていないのに、ちゃんと猫と犬に分けられるの？」

伴菜：「必ずしもそうとは限らないの。毛の色や体の大きさなど、別の特徴でグループができることもあるわ。教師なし学習は、人間が期待する分類をそのまま再現するとは限らないのよ」

美月：「そっか！ 正解を使って学ぶのが教師あり学習、正解なしでデータの特徴を見つけるのが教師なし学習なんだね！」

伴菜：「そうよ。この違いを理解すると、AIにどんな仕事を任せられるのか、もっと分かるようになるわ」

図で理解しよう

教師あり学習は、正解を使って予測できるようにする方法。

教師なし学習は、正解を使わずにデータの中に隠れているパターンや構造を見つける方法です。

もう少し詳しく

教師あり学習（Supervised Learning）

教師あり学習とは、入力データと正解となる情報を組み合わせてモデルを学習させる方法です。

例えば、過去のメールに「迷惑メール」「通常のメール」という正解ラベルを付けて学習させると、新しく届いたメールが迷惑メールかどうかを予測できるようになります。

教師あり学習の代表的なタスクには、次の2つがあります。

• 分類（Classification）：データがどのカテゴリーに属するかを予測する。例：迷惑メールか通常のメールか。
• 回帰（Regression）：数値を予測する。例：来月の売上金額。

教師なし学習（Unsupervised Learning）

教師なし学習とは、正解ラベルのないデータから、パターンや構造を見つける方法です。

例えば、顧客の購入履歴を分析して、購買傾向の似た顧客をグループに分けることができます。

代表的なタスクには、次のようなものがあります。

• クラスタリング（Clustering）：似た特徴を持つデータをグループに分ける。
• 次元削減（Dimensionality Reduction）：データの重要な特徴をできるだけ残しながら、扱う変数の数を減らす。

教師あり学習と教師なし学習の違い

比較項目	教師あり学習	教師なし学習
正解ラベル	あり	なし
主な目的	予測・分類	パターンや構造の発見
代表的なタスク	分類、回帰	クラスタリング、次元削減
活用例	迷惑メール判定、売上予測	顧客グループ分析、データの可視化

「分類」と「クラスタリング」は違う

ここは特に間違えやすいポイントです。

分類（Classification） は、あらかじめ決められたカテゴリーを予測する教師あり学習のタスクです。

一方、クラスタリング（Clustering） は、正解ラベルを使わずに、似たデータ同士をグループにまとめる教師なし学習のタスクです。

どちらもデータをグループに分けるように見えますが、正解ラベルを使って学習するかどうかが異なります。

まとめ

美月：「教師あり学習は正解を使って学ぶ方法で、教師なし学習は正解なしでデータの特徴やパターンを見つける方法なんだね！」

伴菜：「そうよ。そして、教師あり学習には『分類』と『回帰』、教師なし学習には『クラスタリング』などがあるの。それぞれ何ができるのかを知ると、AIの使い分けも分かるようになるわ」

---

理解度チェック

ここまで理解できたかな？

次の3問に挑戦してみよう！

---

もっと詳しく学びたい人へ

ここまでで、教師あり学習と教師なし学習の違いや、正解ラベルを使う学習と、データの特徴を見つける学習について学んだよ。

30 Minutes AI 第3話では、教師あり学習の「分類」と「回帰」、教師なし学習の「クラスタリング」や「次元削減」などを、具体的な例を使いながらさらに詳しく説明するよ。

→ 30 Minutes AI 第3話へ

---

次回予告

第4話「分類と回帰って何が違うの？」

迷惑メールかどうかを判定するのが「分類」、将来の売上金額を予測するのが「回帰」。

どちらも教師あり学習だけど、予測するものが違うんだ！

次回は、分類と回帰の違いを、伴菜と美月が身近な例を使って解説するよ！

伴菜と美月のAI教室 — 3 Minutes AI

1. AIも勉強するの？

休日の午後。伴菜と美月は、いつものダイニングテーブルでノートパソコンを開いていた。

美月：「ねえ、ハンナ。前回、AIはデータから学習するって言ってたよね？」

伴菜：「うん。今日は、その学習の仕組みを見てみようか」

美月：「AIって、私たちみたいに教科書を読んで勉強するの？」

伴菜：「ちょっと違うかな。例えば、猫と犬の写真を見分けるAIを作るとするね」

美月：「それなら簡単！ 猫の写真を見せて、『これは猫です！』って教えればいいんでしょ？」

伴菜：「そういう教え方もあるよ。でも、写真を1枚見せただけでは、いろいろな猫を見分けられるとは限らないの」

美月：「えっ、どうして？」

伴菜：「猫にもいろいろいるでしょう？ 白い猫、黒い猫、耳が折れた猫。犬にも小さい犬や大きい犬がいるよね」

美月：「そっか。いろんな写真で練習しないといけないんだ！」

伴菜：「そう。たくさんの写真を使って、猫と犬を見分けるのに役立つパターンを学んでいくのよ」

2. 間違えたらどうするの？

美月：「でもさ、最初から猫と犬を正しく見分けられるわけじゃないよね？」

伴菜：「もちろん。学習を始めたばかりのモデルは、間違えることもあるよ」

美月：「じゃあ、猫の写真なのに『犬！』って答えちゃうの？」

伴菜：「そういうこともあるね。そこで、モデルの予測と正解を比べて、間違いが小さくなるようにモデルの中の数値を調整するの」

美月：「数値を調整する？」

伴菜：「例えば、写真のどんな情報をどのくらい重視するかに関係する数値だよ。学習では、その数値を少しずつ変えていくの」

美月：「なるほど！ 間違えたところを直しながら、練習を繰り返す感じなんだね！」

伴菜：「そういうイメージでいいよ。このように、正解を付けたデータを使って学習する方法を『教師あり学習』というの」

※これは教師あり学習の代表的な流れを簡略化したものです。実際の学習では、予測と正解の違いを数値で評価し、モデルを調整します。

3. 初めて見る猫も分かるの？

美月：「じゃあ、たくさん練習したら、もう猫と犬を間違えなくなる？」

伴菜：「そうとは限らないよ。ここで大切なのが、学習に使っていない写真でも正しく判断できるかどうかなの」

美月：「どういうこと？」

伴菜：「例えば、美月がテストの問題と答えを全部丸暗記したら、同じ問題には正解できるよね？」

美月：「うん！ でも、違う問題が出たら困るかも……」

伴菜：「AIも同じなの。練習した写真だけを覚えても、初めて見る写真を見分けられなければ困るでしょう？」

美月：「そっか！ 覚えた写真だけじゃなくて、新しい写真でも試す必要があるんだ！」

伴菜：「そのとおり。学習に使っていないデータで、どのくらい正しく予測できるかを確認することが大切なのよ」

4. 今日のまとめ

伴菜：「じゃあ、美月。今日の復習をしてみようか」

美月：「任せて！」

伴菜：「AIは、どうやって猫と犬を見分けられるようになるの？」

美月：「いろんな写真を使って学習する！」

伴菜：「予測が間違っていたら？」

美月：「正解と比べて、モデルを調整する！」

伴菜：「じゃあ、学習した写真を全部正しく答えられれば、それで完成？」

美月：「違う！ 初めて見る写真でも正しく判断できるか確かめる！」

伴菜：「大正解！」

美月：「ふふん。これで私も猫と犬を見分けるAIを作れるかな？」

伴菜：「仕組みは分かってきたね。でも、実際に作るにはもう少し勉強が必要かな」

美月：「えー！ まだ勉強するの？」

伴菜：「AIだけじゃなくて、美月もね！」

もっと知りたい！ AI用語集

美月：「ハンナ、今日も新しい言葉が出てきたね！」

伴菜：「分からない言葉があったら、AI用語集で確認してみてね」

今回の関連用語

• 機械学習（Machine Learning）
• 学習データ（Training Data）
• 教師あり学習（Supervised Learning）
• 正解ラベル（Label）
• モデル（Model）
• 学習（Training）

→ 伴菜と美月のAI用語集を見る

理解度チェック（3 Minutes AI 第2話）

伴菜と美月のAI教室へようこそ！

3 Mins AI 第2話「AIはどうやって勉強するの？」の理解度チェックです。

全3問のクイズで、今回学んだ内容を振り返ってみましょう。回答後には、正解と詳しい解説を確認できます。

---

もっと詳しく学びたい人へ

ここまでで、AIがデータを使って学習する流れや、正解と予測を比較してモデルを調整する仕組みを学んだよ。

30 Minutes AI 第2話では、学習データの準備、モデルの調整、学習結果の評価などを、さらに詳しく説明するよ。

→ 30 Minutes AI 第2話へ

---

次回予告

第3話「教師あり学習と教師なし学習って何が違うの？」

正解を教えて学習させる方法と、正解を教えずにデータの特徴を見つける方法。

AIには、いろいろな勉強の仕方があるんだ！

伴菜と美月のAI教室 — 3 Minutes AI

1. 電卓もAIなの？

休日の午後。伴菜と美月は、ダイニングテーブルでお茶を飲んでいた。

美月：「ねえ、ハンナ。最近、何でもAIって言うじゃない？」

伴菜：「そうだね。スマホの顔認証とか、ChatGPTとか」

美月：「でもさ、電卓だって人間より計算が速いでしょ？ あれもAIなの？」

伴菜：「普通の電卓はAIとは呼ばないよ」

美月：「なんで？ 私よりずっと頭いいじゃん」

伴菜：「計算が速いことと、知的な処理をすることは違うんだよ」

美月：「知的な処理？」

伴菜：「例えば、写真を見て犬か猫かを判断したり、文章を読んで質問に答えたりすること。そういう処理をコンピューターで実現する技術を、まとめてAI、人工知能って呼ぶんだよ」

美月：「なるほど。単に計算するだけじゃないんだね」

2. 普通のプログラムとは何が違う？

美月：「でもハンナ、普通のプログラムだって判断するよね？」

伴菜：「するよ。例えば迷惑メールを判定するプログラムを考えてみようか」

美月：「『当選しました！』って書いてあったら迷惑メール！」

伴菜：「それも一つの方法だね。人間が条件を決めて、その条件に従って判定する方法をルールベースというの」

美月：「じゃあ、AIは？」

伴菜：「AIの一分野である機械学習なら、過去のメールをたくさん使って、迷惑メールに共通する特徴を学習できるんだよ」

美月：「あ、そういうことか！ 機械学習は、全部の条件を人間が書かなくてもいいんだね」

伴菜：「そう。でも、学習に使うデータが悪ければ、間違った判断をすることもあるよ」

美月：「AIだからって万能じゃないんだ」

美月：「ねえ、ハンナ。過去のメールから学習するのは分かったけど、新しいメールが届いたときはどうするの？」

伴菜：「いい質問だね。実は、機械学習には『学習』と『推論』という二つの大切な処理があるんだよ」

美月：「推論？ また難しい言葉が出てきた！」

伴菜：「難しく考えなくていいよ。学習は、過去のデータからパターンを見つけてモデルを作ること。推論は、その学習済みモデルを使って、新しいデータに対する答えを出すことなの」

美月：「つまり、過去の迷惑メールで勉強するのが学習で、新しく届いたメールを迷惑メールかどうか判断するのが推論？」

伴菜：「そのとおり！ 図で見ると分かりやすいよ」

美月：「なるほど！ 学習と推論って、別々の処理なんだね」

伴菜：「そう。しかも、推論するたびに必ず学習し直すわけじゃないんだよ。学習済みモデルをそのまま使って、何度も新しいメールを判定できるの」

美月：「分かった！ これなら『推論』って言葉も覚えられそう！」

3. AIと機械学習はどういう関係？

美月：「じゃあ、AIって全部が機械学習なの？」

伴菜：「実は違うんだよ。昔から、人間の専門知識をルールとして登録するエキスパートシステムのようなAIもあるの」

美月：「えっ！ ルールを使うAIもあるの？」

伴菜：「あるよ。だからAIと機械学習は同じ意味じゃないんだ。図で見てみよう」

美月：「なるほど。AIという大きなグループの中に機械学習があって、さらにその中にディープラーニングがあるんだ！」

伴菜：「そのとおり。今日はこの関係を覚えれば十分だよ」

美月：「ところで、ハンナ。ディープラーニングって何？」

伴菜：「それは第5話で詳しく説明するね」

美月：「えー、ずいぶん先じゃない！」

伴菜：「まずは順番に覚えようよ！」

4. 今日のまとめ

伴菜：「じゃあ、美月。今日の復習ね。AIって何？」

美月：「コンピューターで知的な処理を実現する技術のこと！」

伴菜：「機械学習は？」

美月：「AIの一分野で、データからパターンを学習する方法！」

伴菜：「完璧！ じゃあ、ディープラーニングは？」

美月：「機械学習の一分野！ 詳しくは第5話！」

伴菜：「あはは、ちゃんと覚えてるね」

もっと知りたい！ AI用語集

美月：「ハンナ、今回も新しい言葉がたくさん出てきたね！」

伴菜：「分からない言葉があったら、AI用語集で復習してみてね。図解や具体例でもっと詳しく説明しているわよ」

今回の関連用語

• AI（人工知能）
• 機械学習（Machine Learning）
• ディープラーニング（Deep Learning）
• モデル（Model）
• 学習（Training）
• 推論（Inference）

→ 伴菜と美月のAI用語集を見る

理解度チェック（3 Minutes AI 第1話）

---

もっと詳しく学びたい人へ

ここまでで、AIとは何か、機械学習との違い、ディープラーニングとの関係を学んだよ。

→ 30 Minutes AI 第1話へ

---

次回予告

第2話「AIはどうやって勉強するの？」

機械学習では、データからどうやってパターンを学ぶのか？ 犬と猫の写真を例に、学習の基本を見ていこう！