AIはどうやって学習し、予測しているのか

「学習する」とはどういうことか

機械学習という言葉の「学習」とは、具体的に何をしているのでしょうか。身近な例で考えてみましょう。

あなたが「写真を見て、その人のだいたいの年齢を当てるゲーム」をやるとします。最初は勘で答えますが、答え合わせのたびに「実際の年齢はもっと上だった」「もっと下だった」と教えてもらえます。これを何百枚も繰り返すうちに、あなたは自然と「シワの感じ」「髪型」「服装」などから年齢を推測するコツを、自分の中で少しずつ調整していくはずです。

機械学習の「学習」も、これととてもよく似た仕組みです。

1. データ(写真)を見て、予測(年齢)を出す
2. 正解(実際の年齢)と比べて、どれくらいズレていたかを確認する
3. ズレが小さくなるように、予測のやり方を少しだけ調整する
4. これを大量のデータで何度も繰り返す

この「ズレを確認して、少しずつ調整する」という部分を、コンピュータが自動的に、かつ人間よりずっと大量のデータと回数で行います。ズレの計算や調整の詳しいやり方(損失関数・勾配降下法と呼ばれるもの)は、数学の単元で改めてじっくり扱います。今は「間違いをもとに、少しずつ賢くなっていく」というイメージを持てれば十分です。

「予測する」とはどういうことか

学習が終わると、「入力から出力を計算するf」が出来上がります。この、学習によって出来上がったfのことを モデル と呼びます。

最初の単元で、AIの仕組みを

と表せる、と紹介したのを覚えているでしょうか。学習が終わったモデルを使って、まだ見たことのない新しい入力x(例えば、初めて見る写真)に対してy(例えば、年齢の予測値)を計算することを 予測(推論) と呼びます。

つまり、機械学習のプロセスは大きく2段階に分かれています。

1. 学習(トレーニング)：大量のデータと正解を使って、モデル(fの中身)を作り上げる段階
2. 予測(推論)：出来上がったモデルを使って、新しいデータに対する答えを計算する段階

ニュースなどで「AIが判定した」「AIが予測した」と言うとき、それは通常この2番目の「予測」の場面を指しています。しかしその裏には、必ず1番目の「学習」によって作られたモデルが存在しています。このコースでは、この後何度も「学習」と「予測」という言葉を使うので、この2つの違いをここでしっかり区別しておきましょう。