| 名称 | 学習の方法 | 用例 |
|---|---|---|
| 教師あり学習 (Supervised Learning) | すでに分かっている正解のデータ (ラベル) を与えて学習することで、未知のデータを予測する | 写真が犬か猫かを判別するAIや、出題された問題に対して答えを予測する |
| 教師なし学習 (Unsupervised Learning) | 正解を与えずに学習する。データのパターンを自動的に抽出することで、グループ分けや特徴の発見を行う | 似たような傾向を持つ情報のクラスタリングや異常検知などに利用 |
| 強化学習 (Reinforcement Learning) | 反復行動とフィードバックによる試行錯誤を通じて、自ら最適な行動を学習する | いかに安全であるかを追求することで適切な行動を学ぶ、車の自動運転などが当てはまる |
| 深層学習 (Deep Learning/ディープラーニング) | 脳神経回路をモデル化した「ニューラルネットワーク (NN)」と呼ばれる仕組みを利用して、データの特徴をより深く段階的 (多層的) に自動で抽出する。単層でも学習することができるが、より複雑で多層的な学習を行うことで特徴を把握し、精度を上げることができる |
画像の場合は、次のような流れとなります。
言語のベクトル化 … 日本語や英語などの自然言語の単語や文を数値 (ベクトル) に変換する技術
| 名称 | ベクトル化の方法 |
|---|---|
| BoW (Bag of Words) | 文章内の単語の出現頻度を数値化する手法。文書の分類や情報検索などに用いられる |
| Word Embedding (単語の埋め込み分散表現) | 単語自体が持つ意味や関係性を数値化する手法。類似する単語は、ベクトル空間内で近くにあるものとする |
画像のベクトル化 … 画像を形状と色の情報に分け数値 (ベクトル) に変換する技術