【G検定対策】AIはどう評価されるのか？

AIは「予測できたら終わり」ではありません。

本当に重要なのは「その予測は良いのか？」を確認することです。

AI内部では

という流れが繰り返されています。

ここを理解すると

• なぜ精度だけでは危険なのか
• なぜ適合率と再現率を使い分けるのか
• なぜ過学習が問題になるのか

が一気につながります。

今回は「AIはどう評価されるのか？」を流れで整理し、試験に備えましょう。

AIは「予測しただけ」では終わらない

AIは「予測する機械」ではありません。

本当は「予測結果を確認して改善する仕組み」です。

AI内部では

が繰り返されています。

つまり「評価」はAI学習の最後ではなく、次の学習につながる重要工程 です。

ここで重要なのが「AIは何を基準に修正や評価をしているのか？」です。

そして、評価するには「何をもって良いAIとするのか？」という基準が必要になってきます。

例えば

• たくさん当たれば良い？
• 見逃しが少なければ良い？
• 間違った警告を減らすべき？

用途によって「良いAI」の基準は変わります。

評価①｜どれくらい当たった？（精度）

最も有名なのが 精度（Accuracy）です。

意味は「全体のうち、どれくらい正解したか？」です。

例えば 100件中90件正解なら： 精度90% です。

ただし 精度だけでは危険 です。

なぜなら「ほとんど正常」なデータでは、全部「正常」と予測するだけで高精度になる場合があるためです。

つまり「当たりやすい問題」では精度が高く見えてしまう のです。

評価②｜見逃していない？（再現率）

再現率（Recall）は「本当に検出したいものを見逃していないか？」を見る指標です。

例えば、病気検出AI。

本当に病気の人をどれだけ見つけられたか？を確認します。

ここで重要なのは「見逃し防止」です。

つまり、再現率が高いほど「本当に危険なもの」を拾いやすい ということです。

評価③｜本当に正しい？（適合率）

適合率（Precision）は「AIが陽性と言ったものは、本当に陽性か？」を見る指標です。

例えばスパムメール判定。

普通メールをスパム判定してしまうと困ります。

つまり「誤判定を減らしたい」場面で重要になります。

適合率が高いほど 無駄な警告が少ない ということです。

評価④｜バランスは良い？（F1値）

適合率と再現率は どちらかだけ高ければ良いわけではありません。

そこで使われるのが F1値 です。

これは「適合率」と「再現率」のバランス を見る指標です。

つまり

• 見逃しを減らしたい
• 誤判定も減らしたい

という、両方を重視したい場面 で使用されます。

評価⑤｜未知データでも強い？（汎化性能）

AIで最も重要なのは「知らないデータでも使えるか？」です。

これを 汎化性能 と言います。

ここで問題になるのが 過学習 です。

過学習すると

• 訓練データだけ高精度
• 未知データで失敗

が起きます。

つまり「覚えすぎ」です。

AI評価では「未知データでも安定するか？」が非常に重要です。

なぜ「損失関数」と「評価指標」は混同しやすいのか？

ここは非常に重要です。

多くの人が

• 損失関数
• 評価指標

を混同します。

理由は どちらも「AIの良し悪し」を見ているように見えるから です。

損失関数

AI内部で 「どれだけ間違えたか？」を数値化し、修正に使います。

評価指標

人間が「このAIは良いのか？」を判断するために使います。

損失関数と評価指標の違い

つまり 用途が違います。

　損失関数 → AI内部の修正用

　評価指標 → 人間の確認用

ここはG検定でも非常に混同しやすいポイントです。

なぜ「精度」だけでは危険なのか？

ここも重要です。

例えば、1000件中990件が正常。

この場合 全部「正常」と予測すると 精度99% になります。

ですが 異常を1件も検出できていません。

つまり「高精度 ＝ 良いAI」ではないのです。

ここで

• 再現率
• 適合率
• F1値

が必要になります。

AI評価で最も重要なのは「目的」

AI評価で最重要なのは「何を重視するか？」です。

例えば

病気検出
→ 見逃しNG
→ 再現率重視

スパム判定
→ 誤判定NG
→ 適合率重視

つまり 用途によって最適な評価方法は変わる のです。

G検定ではどう問われる？

G検定では

• 精度
• 適合率
• 再現率
• F1値
• 混同行列

が頻出です。

特に「どの指標を重視すべきか？」がよく問われます。

つまり「定義暗記」だけでは危険です。

重要なのは「どんな場面で使うか？」を理解することです。

まとめ

AIは「予測するだけ」ではありません。

本当に重要なのは「その予測をどう評価するか？」です。

AI内部では

という流れが繰り返されています。

この「評価」を理解すると

• なぜ精度だけでは危険なのか
• なぜ適合率と再現率を使い分けるのか
• なぜ過学習が問題なのか
• なぜ評価方法を間違えると危険なのか

がつながって理解できるようになります。

AI理解で重要なのは「用語暗記」ではなく「AI内部で何が起きているか？」を流れで理解することです。

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

「精度・再現率・適合率」の違いを整理しました。

関連記事

【G検定対策】精度・再現率・適合率とは？わかりやすく整理

「評価指標の使い分け」を整理しました。

関連記事

【G検定対策】評価指標の使い分け方は？わかりやすく整理

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。