AIの基本構造｜ルールベースと機械学習（ITパスポート・テクノロジ系）

今日は、「人工知能（AI）」の基礎から、ルールベースAIと機械学習の違い、さらに「教師あり・なし・強化学習」のイメージも分かりやすく紹介するよ！

人口知能とは？

AI（Artificial Intelligence）って、簡単に言うと「人間の“頭で考える力”をマネしたシステム」

• 昔のAIは、全部「人がルールを決める」方式（ルールベースAI）
• 今のAIは、「過去のデータから学習して考える」方式（機械学習）

この違いが大きいんだよ！

ルールベースAI と 特徴量

ルールベースAI

→ 「もしAならB」「雨なら傘を持つ」のように、すべて人間がルールを設定。
→ 簡単だけど、ルールが多くなるとめちゃくちゃ「めんどくさい」！

特徴量（フィーチャー）

→ 機械学習で使う、写真の“色の平均”や“サイズ”みたいなデータの基になる情報。
→ うまく選ぶとAIの精度がグンと上がるポイントだよ！

教師あり学習・教師なし学習・強化学習

教師あり学習

「正解データ」が最初から用意されていて、AIがそれを参考に学んでいく方法だよ！

たとえば、

• 回帰：家の広さから家賃を予測する（数値を予測するタスク）
• 分類：写真から「猫か犬か」を判定する（カテゴリに分けるタスク）

「答え」をもとに学ぶから、間違いに気づきやすいし精度も上げやすいよ～！

教師なし学習

正解ラベルのないデータから、パターンやグループを見つけ出す学習方法！

代表的なのは、

クラスタリング：似た行動のユーザーをグループに分ける（例：通販サイトの購買傾向分析）

「誰がどのグループ？」みたいに、人間が気づかない特徴をAIが見つけてくれるのがスゴいところ！

強化学習

「うまくいったらご褒美、ミスしたらペナルティ！」という形で学ぶ方法。

ゲームAIや、自動運転、ロボットの動作学習でよく使われてるよ！

メリットとデメリット

メリット

• ルールベース：確実な動作が可能
• 機械学習：データ次第で予測力UP！
• 強化学習：報酬で自律学習が可能

デメリット

• ルールベース：ルールが多いと管理が大変
• 機械学習：データがないと学習できない
• 強化学習：試行回数と設計が必要で手間がかかる

ITパスポート試験の過去問！

AIにおける機械学習の学習方法に関する次の記述中のa～cに入れる字句の適切な組合せはどれか。

教師あり学習は，正解を付けた学習データを入力することによって，aと呼ばれる手法で未知のデータを複数のクラスに分けたり，bと呼ばれる手法でデータの関係性を見つけたりすることができるようになる学習方法である。教師なし学習は，正解を付けない学習データを入力することによって，cと呼ばれる手法などで次第にデータを正しくグループ分けできるようになる学習方法である。

	a	b	c
ア	回帰	分類	クラスタリング
イ	クラスタリング	分類	回帰
ウ	分類	回帰	クラスタリング
エ	分類	クラスタリング	回帰

正解は『ウ』（分類・回帰・クラスタリング）

分類＝クラス分け、回帰＝数値予測、クラスタリング＝グループ化…このセットは定番！

ITパスポート試験をスマホで手軽に勉強！

「えろ勉」も戦略的に開発＆運営してるよ～！この記事が勉強になったり、ためになったよ〜って思ったら、なんかアクションをお願い！！「えろの力で勉強するゲーム：えろ勉」