AIの学習方法まとめ ―教師あり学習・教師なし学習・強化学習―

AIの機械学習

近年AIが注目され、機械学習の本が巷に溢れています。
そのAIの学習方法にもさまざまな種類があり、大別して教師あり学習・教師なし学習・強化学習があり、その中でもさまざまな学習方法があります。

今回はそのAIの学習方法についてまとめていきました。

教師あり学習

教師あり学習とは、 事前に与えられたデータを参考にしてAIに学習させていく手法です。
事前に与えられたデータをお手本にしていく姿が、教師に学んでいる姿に見えるため「教師あり学習」と呼ばれています。

回帰分析

回帰分析の例(Wikiより)

教師あり学習の例が回帰分析です。
回帰分析とは、 2つ以上の変数間の関係を理解するために使用される統計解析の手法です。多くの場合、回帰分析では、1つ以上の独立変数が従属変数に与える影響を調べます。

「独立変数」「従属変数」というと難しく思えますが、中学校の数学で学ぶ、「y = ax + b」という式を見つけ出す手法が回帰分析だとざっくり理解してもよいかもしれません。

例えば、数学の問題であれば「ロウソクに火をつけて1分後にロウソクは2cm短くなり、2分後に4cm短くなりました。」というように、一次関数を導き出しやすいきれいに比例した数値がでてきますが、現実の世界では数学の問題のように切りのいい数値を出してくれません。
そのため、回帰分析を使ってできるだけ正確な式を導き出していくのですが、AIがそのサポートをしてくれます。

パターン認識

音声認識や文字認識などのパターン認識も教師あり学習です。
同じ「あ」という文字であっても、人が書いただけでも人のクセが反映されますし、機械であってもフォントの違いで微妙に形は異なっています。
しかし、文字読み取りシステムなどで様々な「あ」を認識するには、AIに「あ」の形と特徴をあらかじめ教え、それを学んでもらう必要があります。

教師なし学習

先ほどの回帰分析は「どのようなデータを導き出したいか」というゴールがはっきりしていましたが、教師なし学習と呼ばれる手法では、「何を出力すべきか」は決められていません。
こうした教師なし学習は、人間では気が付かなかった情報のグループ分けなどを発見するために使われます。

クラスタリング(クラスター分析)

クラスタリングのイメージ(Wikiより)

クラスタリング(クラスター分析)とは、類似するデータのグループを作っていく手法です。
クラスタリング自体は、1930年代から存在したものの、近年ではAIの台頭により複雑な分析が可能になってきました。

例えば、膨大な顧客情報をAIがグループ分けし、そのグループに対してのマーケティング手法を考えていくというような場面でクラスタリングは使われています。

強化学習

強化学習とは、ある環境内の中でAIが現在の状態を観測し、取るべき行動を決定する問題を扱う学習手法です。
AIがとった行動に対して報酬(ポイント)が与えられ、AIはそのポイントを高めようとしていきます。

この強化学習で一番イメージしやすいのは、AIにゲームを強くさせることではないでしょうか。
AIはゲームのポイントを頼りに、「どうしたらポイントが一番高くなるのか」を考えて、試行錯誤を繰り返します。

モンテカルロ法

強化学習の例として、モンテカルロ法が挙げられます。モンテカルロ法とはシミュレーションや数値計算を乱数を用いて行う手法の総称です。つまり、ランダムに数値をいれてみて、AIがその出来を考察していきます。

参考

技術AI

Posted by promapedia