「教師あり学習」は「教師なし学習」より精度が高い

人工知能や機械学習の学習には、大きく「教師あり学習」と「教師なし学習」の２つがあります。出力結果のラベルがあるものを、「教師あり学習」と呼び、ないものを「教師なし学習」と呼ばれています。

例えば、あるセンサーデータで異常を予測したい場合、「教師あり学習」では、過去の正常と異常のデータを学習して、モデルを作ることになります。
一方「教師なし学習』では、過去の正常データの規則性を学び、正常データから外れたものを異常と検知します。

この２つを比較した場合、「教師あり学習」の方が圧倒的に精度が良いことが普通です。正常か異常かの教師ラベルがあれば、より複雑な分析が可能になり、「教師なし学習」より高い精度のモデルを作ることができるのです。

ここで思ったことは、人工知能の学習は人間の学習と同じだという事です。

参考記事：AIエンジニアが教えるゼロから機械学習の勉強法

人間がテニスを学習する流れを考える

例えば、あなたがテニスを始めて、「ボールをうまく打てるようになりたい」と思ったとします。ラケットを持ってコートに行き、スマッシュの練習を始めました。しかし、ボールになかなか当たらなかったり変な方向に飛んで行ったりと、うまくボールが打てません。

そこでコーチからアドバイスがありました。
「『ボールとの距離』と『ラケットを振る力』が大事だよ」

そこであなたは、ボールとの距離とラケットを振る力に気を付けて練習しました。グラフにすると以下の感じです。


何度も練習していると、偶然ボールがうまくあたりました。あなたはここで始めて成功体験を積みました。「この距離感とこの力加減だ！」


そこでもっと練習を重ねると、どうすればうまくスマッシュできるか分かるようになってきました。「こうすればうまく打てる」というコツをつかんだのです。


これであなたは、明日からテニスのゲームを楽しむことが出来るでしょう。
そしてこの「うまく打てるゾーン」を学習するプロセスは、人工知能の「教師あり学習」と同じです。

※私はテニスをやったことがないので、上記のコツは間違っている可能性があります

人間の学習には周囲のアドバイスと失敗経験が重要

先ほどのテニスの例で何を伝えたいかと言うと、人間の学習には、２つの要因が重要という事です。

①どうすればうまくいくか教えてくれる人を見つけること
②失敗経験を繰り返すこと

今の世の中アドバイスをくれる人はたくさんいます。先人の知恵は借りるべきでしょう。
そして、最も聞くべきアドバイスというのは、何を意識すればよいかを教えてくれる人です。

例えば、分かりやすいプレゼン資料を作成したいと思ったときに、何を意識すればプレゼン資料作成がうまくなるのか。

「１スライド１メッセージ」、「文字の大きさを短くする」、「図を多用する」、「色を統一する」などいろいろコツがあると思います。
その中で最も重要な特徴はこれだよと教えてくれる人は貴重です。重要なコツさえマスターしてしまえば、それなりの資料を作成することが出来るでしょう。ある意味、枝葉はどうでもよいのです。

もう一つは、失敗経験を積み重ねることです。スポーツの場合は、練習と言うことで自然に失敗経験を積むことが出来ますが、例えば仕事ではなかなか失敗はできません。周りに迷惑がかかるので、なるべく失敗しないようにするのが普通でしょう。
しかし、失敗を繰り返さなければ人間は学習できません。失敗経験と言うデータがなければ、私達は成功する方法を導くことが出来ないのです。


時々とても勘の良い人がいて、ほとんど失敗せずに、常に仕事を成功させる人がたまーにいます。しかしこれは、先ほどの教師なし学習と同じで、過去の成功体験からどうすれば成功出来るか予測できるという稀有な才能があるからこそ成り立つ話なのです。

凡人は失敗するしかありません。また、凡人でも失敗経験を繰り返すことで、天才を超えることも十分に可能です。失敗と言うデータを蓄積し、自分の中で高精度のモデルを作ることができれば、天才に打ち勝つことが出来ます。

そして、失敗経験を積むためには、主体性が必要です。経験を自分のデータとして蓄積するには、全ての原因を自分の事として考える主体性が求められます。また失敗を失敗として認識する勇気も大事です。

ビジネスの世界でよく使われるPDCAのCとは、自分の経験に×をつけることではないでしょうか。自分自身に×を付けられる人が、最も成長できる人と言えるかもしれません。

まとめ

・失敗経験を増やそう（教師あり学習は教師なし学習より精度が高い）
・主体性を持とう（経験をデータとして蓄積するには自分事として考える主体性が必要）

現場からは以上です。

関連記事：未経験からAIエンジニアになる方法