教師あり・教師なし・強化学習のちがいは?機械学習とディープラーニングの基本、過学習とTransformer【生成AIパスポート・G検定】
生成AIパスポート・G検定・ITパスポートで出題される機械学習とディープラーニングの基本を整理します。
📺 動画でも学べます:生成AIパスポート 合格講座(YouTube・xana研究室)
先生と生徒の会話で、要点を動画でも確認できます。
▶ 再生リストを見る
3つの学び方

よく出る用語
| 用語 | 意味 |
|---|---|
| ニューラルネットワーク | 人の脳の神経細胞のしくみをまねた計算モデル |
| ディープラーニング | 層を深く重ねたニューラルネットワーク。特徴量を自動で学習 |
| 過学習 | 学習データに合わせすぎて、新しいデータでの精度が下がること |
| Transformer | 注意機構(Attention)を使うモデル。LLMの基盤 |
| 事前学習とファインチューニング | 大量データで汎用的に学習したあと、目的に合わせて追加学習 |
| 生成AI | 学習したパターンから文章・画像などを新しく作るAI |
Transformerと強化学習を4択で
問題1
正解つきのデータで学習する方法はどれか。
- 教師あり学習
- 教師なし学習
- 強化学習
- 転移学習
正答:1
- 肢1 ○(正答) 正しい。
- 肢2 × 正解なし。
- 肢3 × 報酬で学ぶ。
- 肢4 × 学習済みモデルの再利用。
問題2
学習データに合わせすぎて未知のデータで精度が落ちることを何というか。
- 未学習
- 過学習
- 正則化
- 汎化
正答:2
- 肢1 × 学習不足。
- 肢2 ○(正答) 正しい。
- 肢3 × 過学習を防ぐ手法。
- 肢4 × 未知データへの対応力。
問題3
LLMの基盤となっている、注意機構を使うモデルはどれか。
- 決定木
- Transformer
- k-means
- 線形回帰
正答:2
- 肢1 × ちがう。
- 肢2 ○(正答) 正しい。
- 肢3 × クラスタリングの手法。
- 肢4 × ちがう。
教師ありと教師なしの混同
| よくある間違い | 正しい理解 |
|---|---|
| 強化学習は正解データで学ぶ | 報酬で学ぶ |
| クラスタリングは教師あり | 教師なし |
| 過学習=学習不足 | 学習しすぎ |
| ディープラーニングは特徴量を人が設計 | 自動で学習 |
AIの「学び方」を、人間の勉強にたとえてみる
3つの学び方をイメージで
教師あり学習は、答えつきの問題集で勉強するイメージです。たとえば、「この写真は犬、この写真は猫」と、正解ラベルをつけたデータでくり返し学び、新しい写真を見分けられるようにします。教師なし学習は、答えのないデータから、似たものどうしをグループ分けする学び方です。強化学習は、ゲームのように、うまくいくと報酬がもらえて、そのごほうびを増やす行動を学んでいきます。
過学習ってどういうこと?
過去問の答えを丸暗記しすぎて、少し形を変えた問題が解けなくなる状態に似ています。学習用のデータにはとても高い点数がとれるのに、初めて見るデータには弱くなる状態のことです。対策として、データを増やす、モデルを単純にする、正則化を使う、などの方法があります。
用語を整理する手順
- 「データに正解があるか」で、教師あり・なしを分ける。
- 「報酬を使うか」で、強化学習かを確認する。
- 「学習済みモデルを活用するか」で、事前学習・ファインチューニング・転移学習を考える。
よくあるまちがい
- 機械学習とディープラーニングを同じとする:ディープラーニングは機械学習の一種で、ニューラルネットワークの層を深くしたもの。
- 過学習と未学習を逆にする:データに合わせすぎるのが過学習、学習が足りないのが未学習。
- Transformer を画像専用と思う:言語の処理から広がり、文章を扱うLLMの基盤になっている。
ディープラーニングが注目される理由のひとつは、人が特徴を細かく設計しなくても、データから特徴を自動で見つけられる点です。画像から顔を見分ける、音声を文字にする、といった場面で成果を上げてきました。ただし、大量のデータと計算資源が必要になることも、あわせて覚えておきましょう。
ミニ確認問題
問 迷惑メールを「迷惑」「通常」に分類するため、あらかじめ人がラベルを付けたメールで学習した。これは何学習?
答え:教師あり学習。 理由:正解のラベルつきデータを使って学ぶ方式だから。ラベルがない場合は教師なし、報酬を使う場合は強化学習。
試験対策としては、用語の定義を暗記するだけでなく、「具体例」を一つ添えておくことが効果的です。たとえば、過学習なら「過去問を丸暗記して、新しい問題に弱くなる」、強化学習なら「ゲームで勝つほど報酬が増える」、事前学習とファインチューニングなら「一般教養を学んだあと、専門分野を学ぶ」のように、自分の言葉で例を作ってみましょう。
生成AIは、学習したパターンから新しいものを作りますが、必ずしも正しい内容を返すわけではないため、重要な内容は人が確認することが大切です。
コメント
コメントを投稿