【応用情報】AIの「過学習」とは？過去問を丸暗記する受験生に例えると一発でわかる！

近年、ビジネスの現場でも当たり前のように使われるようになったAI（人工知能）。
しかし、エンジニアからこんな報告を受けて困惑したことはありませんか？

「学習データでの成績は完璧なんですが、本番だと全然使えないんですよね……」

「えっ？ 成績完璧ならいいじゃん」と思ってしまいますよね。
実はこれ、AIが「過学習（Overfitting）」 という状態に陥っている可能性が高いのです。

今回は、この少し厄介なAIの病気について、「受験勉強」に例えて分かりやすく解説します。

過学習（Overfitting）とは？

「過学習」とは、文字通り「勉強のしすぎ」の状態です。
受験生でたとえると、「練習問題（訓練データ）を丸暗記しすぎて、本番のテスト（未知のデータ）が解けなくなった状態」 のことです。

AI開発のゴールは、過去のデータを覚えることではなく、「まだ見ぬ新しいデータを正しく予測すること（汎化性能）」 です。ここを履き違えると、過学習が起きます。

「優秀な受験生」と「過学習な受験生」の違い

AIの学習プロセスを、明日の数学のテスト勉強をしている2人の受験生にたとえてみましょう。

受験生A君（理想的な学習状態）

彼は過去問を解きながら、その裏にある「法則」を理解しようとします。

受験生B君（過学習の状態）

受験生のB君は融通が利かず、記憶力だけが異常に良いタイプです。
過去問の「答え」を全て丸暗記してしまいました。

これが 「過学習」 の正体です。

AIがデータの本質的な特徴（法則）ではなく、どうでもいいノイズや偶然のパターンまで必死に暗記してしまった状態を指します。

どうすれば治るの？（過去問解説）

では、丸暗記してしまう受験生B君（AI）を、どうすればA君のように更生させられるでしょうか？ 応用情報技術者試験の過去問に、そのヒントがあります。

令和7年秋期 午前問3
AIにおける機械学習の過程において，過学習と疑われたときの解消方法として，最も適切なものはどれか。

選択肢を見てみましょう。

• ア：訓練した時と同じ精度を出すために，訓練データをテストデータとして使用する。
  • 👉 これは「カンニング」です。答えを知っている問題でテストしても実力は測れません。
• イ：精度を高めるために，元の訓練データに加工を施し，訓練データの量を増やす。
  • 👉 これが正解！
• ウ：予測した結果に近づけるために，モデルをより複雑にする。
  • 👉 これは「もっと記憶力を良くする」ことなので、さらに細かいノイズまで暗記してしまい逆効果です。
• エ：より多くの未知のデータに対して予測できるように，汎化性能を下げる。
  • 👉 AIの目的は汎化性能（本番での強さ）を「上げる」ことです。

なぜ「データを増やす（イ）」と治るのか？

もし、過去問が10問しかなければ丸暗記できてしまいます。
しかし、過去問が1万問あったらどうでしょう？

さすがのB君も「全部丸暗記するのは無理だ……」と諦めますよね。
そして、「何か共通するルールを見つけて楽をしよう」と考え始め、結果として「法則（公式）」を見つけ出すようになるのです。

AI開発の現場では、画像を反転させたり少し回転させたりして、人工的にデータを水増し（データオーギュメンテーション） することで、過学習を防ぐテクニックがよく使われます。

まとめ

• 過学習 ＝ 過去問（訓練データ）を丸暗記しすぎて、応用が効かない状態。
• 原因 ＝ データが少なすぎる、またはAIの頭が良すぎて（モデルが複雑すぎて）余計なことまで覚えてしまう。
• 対策 ＝ データを増やす（水増しする）。

AI案件を担当する際は、エンジニアから「精度99%出ました！」と報告されても、「それ、訓練データだけの数字じゃない？ テストデータ（本番想定）でも試した？」 と確認してみてください。 それが、過学習を見抜く鋭い質問になります！