【G検定対策】AIはどうやって学習する？全体の流れをわかりやすく整理

AIやディープラーニングを学び始めると

• 損失関数
• 勾配降下法
• 学習率
• SGD
• Adam
• 過学習

など、専門用語が大量に出てきます。

しかし、AIの学習をはじめたばかりの人が混乱しやすい最大の理由は「全部バラバラに見える」ことです。

本当はこれらは別々の話ではありません。

すべて「AIがどうやって学習しているのか」という1つの流れの中に存在しています。

この記事では「AI学習の全体像」を図解イメージで整理しながら

• AIは何をしているのか
• なぜ損失関数が必要なのか
• なぜ勾配降下法が必要なのか
• Adamは何を改善したのか

を「線」で理解できるように整理していきます。

まず結論｜AI学習の流れはこれ

AI学習の全体像は、非常にシンプルに表すと下記の順で行われます。

① 予測する
② 間違いを測る
③ 修正する
④ 何度も繰り返す

もう少し詳しくすると、AI学習で行われる（使われる）ものには下記表のものがあります。

つまり「AIは間違いを修正し続けて学ぶ」のです。

① AIはまず予測する

最初にAIは

• 画像
• 文章
• 数値データ

などを入力として受け取り「とりあえず予測」します。

例えば猫画像分類なら

• 入力 → 猫画像
• AI予測 → 「犬です」

のように、最初は普通に間違えます。

しかし、問題ありません。

AI学習では「最初は間違える前提」だからです。

重要なのは「どれだけ間違えたか」を次に測ることです。

② 損失関数｜間違いの大きさを測る

AIが予測した後は「どのくらい間違えたか」を測ります。

ここで登場するのが 損失関数 です。

損失関数は「AIの間違い点数」のようなものです。

状態と損失の関係を表したものが下の表です。

一般的に 損失が小さいほど良いAI です。AI学習の目的は「損失をできるだけ小さくする」ことです。

③ 勾配降下法｜どう修正するか決める

次にAIは「どう修正すれば損失が減るか」を考えます。

ここで使われるのが 勾配降下法 です。

勾配降下法は簡単に言うと「損失が減る方向を探す仕組み」です。

山登りの逆をイメージするとわかりやすいです。

AIは「より低い場所」を探し続けます。

つまり「もっと間違いが少なくなる方向」へ少しずつ進むのです。

④ 学習率｜どのくらい修正する？

方向が決まっても「どのくらい動くか」は別問題です。

ここで登場するのが 学習率 です。

学習率は「修正の大きさ」を決めます。

学習率が大きすぎる場合

• 行き過ぎる
• 最適解を飛び越える
• 学習が不安定

学習率が小さすぎる場合

• 学習が遅い
• なかなか改善しない

つまり「ちょうどよい修正量」が重要なのです。

⑤ SGD・ミニバッチ・Adam｜更新方法を改善する

ここで初学者が非常に混乱します。

なぜなら

• SGD
• ミニバッチ
• Adam

が全部「似たもの」に見えるからです。

しかし、実際には下の表の違いがあります。

つまり「どう更新するか」を改善している技術です。

特にAdamは

• 学習率調整
• 更新効率改善

などを組み合わせた、非常に強力な最適化アルゴリズムです。

現在のディープラーニングでは重要項目です。

⑥ 過学習｜AIが覚えすぎる問題

AI学習では「学習すればするほど良い」わけではありません。

ここで登場するのが 過学習 です。

過学習とは「訓練データを覚えすぎた状態」です。

この状態になると

• 訓練データ → 高精度
• 初見データ → 弱い

になります。

つまり「応用力がなくなる」のです。

これは人間の試験勉強にもかなり近いです。

• 問題だけ暗記
• 解き方だけ記憶
• 問い方変更で崩れる

という状態です。

⑦ 正則化・ドロップアウト｜過学習対策

過学習を防ぐために

• 正則化
• ドロップアウト

などを使います。

正則化

→ 学習しすぎを抑える

ドロップアウト

→ 一部ニューロンをランダム停止

です。

目的は共通しています。「覚え込みすぎ防止」です。

つまり「汎化性能を上げる」ための技術です。

⑧ 最後に性能確認する｜評価指標

最後に「結局どれくらい性能が良いのか」を確認します。

ここで使うのが

• 正解率
• 適合率
• 再現率
• F1値

などの 評価指標 です。

重要なのは 損失関数と評価指標は別物 ということです。関係性をまとめたものが下の表になります。

ここはG検定でも非常に混同しやすいポイントです。

G検定ではどう問われる？

G検定では「AI学習の流れ」を理解しているかが非常に重要です。

例えば

• 損失関数の役割
• 勾配降下法との関係
• 学習率の意味
• Adamの特徴
• 過学習対策

などは単独ではなく「つながった状態」で問われることがあります。

そのため「単語暗記」だけでは崩れやすいです。

まとめ

AI学習は「間違いを修正し続ける仕組み」です。

流れを整理すると下記の通りです。

① 予測する
② 間違いを測る（損失関数）
③ 修正方向を探す（勾配降下法）
④ 修正量を決める（学習率）
⑤ 更新方法を改善する（SGD / Adam）
⑥ 覚えすぎを防ぐ（過学習対策）
⑦ 最後に性能確認する（評価指標）

重要なのは「全部別々の用語ではない」ことです。

本当は「AIがどう学習するか」という1本の流れの中に存在しています。

この「線」理解できるようになると、G検定の問題でも

• 問い方変更
• 選択肢変更
• 引っかけ問題

に強くなっていきます。

公式テキスト

Amazonで確認

Amazonで詳細を見る

楽天市場で確認

楽天市場で詳細を見る

合格時に使用した問題集

Amazonで確認

Amazonで詳細を見る

楽天市場で確認

楽天市場で詳細を見る

関連記事・おすすめ記事

G検定の概要を理解しやすい流れで確認できるように整理しました。

関連記事

【G検定対策】理解ロードマップ

不合格体験記です。私のような失敗をしないように確認しましょう。

こちらもおすすめ

【不合格体験談】G検定に落ちた原因｜「成功体験」と「過学習」が落とし穴

運営者

このブログの運営者（文系出身）です。SEO検定1級、ウェブマスター検定1級を取得しました。ブログ運営には「AIの活用は必須」と思いG検定を取得しました。G検定は簡単といわれがちですが1回目は不合格でした。その失敗経験を元に、これから受験する方の助けになればとできるだけわかりやすくG検定対策は解説しています。間違い等あればご指摘いただければ幸いです。