― 教師あり学習・教師なし学習・強化学習とは？
ISTQB AI Testerシラバスの Chapter 3（Machine Learning） では、
まず最初に「機械学習の学習形態（Forms of Machine Learning）」を理解することが求められます。
本記事では、以下の3つの機械学習の形態について、
定義 → 仕組み → 具体例 → 試験でのポイント の順でわかりやすく解説します。
-
教師あり学習（Supervised Learning）
-
教師なし学習（Unsupervised Learning）
-
強化学習（Reinforcement Learning）
機械学習（Machine Learning）とは？
機械学習とは、データからパターンやルールを学習し、将来の予測や判断を行う技術です。
AIシステムの多くは、この機械学習を中核として構成されています。
① 教師あり学習（Supervised Learning）
概要
教師あり学習とは、
「正解ラベル付きデータ（Labeled Data）」を使って学習する手法です。
-
入力データ：画像、数値、テキストなど
-
出力ラベル：「犬」「猫」「年齢」「価格」などの正解情報
学習時に「これは犬」「これは猫」と答えを明示的に与えるのが特徴です。
具体例①：画像認識（犬と猫の分類）
-
犬の画像 → ラベル「Dog」
-
猫の画像 → ラベル「Cat」
このような 入力＋正解ラベルのペア を大量に与えることで、
モデルは「犬らしさ」「猫らしさ」を学習します。
身近な例：Googleの「私はロボットではありません」
信号機・横断歩道・バス・自転車を選ばせる認証画面は、
教師あり学習で学習された画像分類モデルが使われています。
テストフェーズ
-
学習後、未学習の新しいデータ（Unseen Data） を入力
-
正しい予測ができるかを評価
-
精度が十分高ければモデルを本番環境へデプロイ
教師あり学習が解決する問題の種類
1️⃣ 分類（Classification）
入力データを あらかじめ決められたカテゴリ に分類する問題。
例
-
顔認証（本人／他人）
-
画像内の物体検出
-
メールのスパム判定
👉 スマホの顔認証は、
「あなたの顔画像＝1つのクラス」として学習されています。
2️⃣ 回帰（Regression）
数値を予測する問題。
例
-
年齢・身長・体重の推定
-
株価・売上・需要予測
-
開発スプリントの完了時期予測
👉 過去データの傾向から、将来の数値を推定します。
② 教師なし学習（Unsupervised Learning）
概要
教師なし学習では、
正解ラベルを与えずにデータの構造や共通点を見つけることが目的です。
-
ラベルなしデータ（Unlabeled Data）を使用
-
データ同士の「似ている／違う」を自動的に判断
身近な例：スマホの写真アプリ
-
誰の写真か一切指定していない
-
それでも「同じ人物の写真」が自動でグループ化される
👉 これが 教師なし学習（クラスタリング） です。
テストフェーズ
-
新しいデータを入力
-
既存のグループ（クラスタ）のどこに属するかを判断
-
写真の角度や光の影響で誤分類することもある
教師なし学習が解決する問題の種類
1️⃣ クラスタリング（Clustering）
データの類似性に基づいてグループ分けする。
例
-
顧客を購買傾向別に分類
-
行動パターン分析
-
異常検知（通常と異なるデータ）
2️⃣ アソシエーション（Association）
データ間の関連性・組み合わせ を見つける。
例
-
ECサイトの「この商品を買った人は、こちらも購入しています」
-
スマホ購入 → 保護フィルム・ケースの推薦
👉 購買行動の「一緒に起こりやすいパターン」を学習します。
③ 強化学習（Reinforcement Learning）
概要
強化学習は、
エージェント（Agent）が環境と相互作用しながら学習する手法です。
-
正解データは事前に用意しない
-
行動の結果に応じて「報酬」または「罰」を受け取る
-
試行錯誤を繰り返して最適な行動を学ぶ
仕組み（基本構造）
-
エージェント（AI）
-
環境
-
行動（Action）
-
報酬（Reward）
👉 良い行動 → 報酬
👉 悪い行動 → ペナルティ
具体例
-
自律走行車（障害物回避・速度調整）
-
ロボット制御
-
チャットボットの対話改善
-
ゲームAI（囲碁・将棋）
ポイント
-
事前にすべての状況を定義できない
-
センサー情報など リアルタイムデータ を利用
-
報酬設計が最も難しい課題
3つの学習形態の比較まとめ
|
学習形態 |
ラベル |
主な用途 |
|---|---|---|
|
教師あり学習 |
あり |
分類・数値予測 |
|
教師なし学習 |
なし |
グループ化・関係性発見 |
|
強化学習 |
なし |
自律的意思決定 |
ISTQB AI Tester試験対策ポイント
-
「ラベルの有無」 を必ず確認
-
分類＝教師あり、クラスタリング＝教師なし
-
強化学習＝報酬と環境の相互作用
-
実例と結びつけて理解するのが重要
まとめ
機械学習の3つの学習形態は、
AIシステムのテスト設計・評価観点を考える上で非常に重要です。
ISTQB AI Tester試験では、
「どの課題に、どの学習形態が適切か」を判断できる理解が求められます。
コメント