解説

機械学習の3大分類（教師あり学習・教師なし学習・強化学習）の理解を問う問題です。教師あり学習は、入力データと「正解ラベル」のペアを学習データとして与え、未知の入力に対して正しい出力を予測できるようにモデルを訓練する手法です。ウの「正解のデータを提示したり、データが誤りであることを指摘したりする」は、まさに正解情報（教師信号）を与えて学習させる教師あり学習の説明であり、これが正解です。分類（スパム判定・画像認識）や回帰（売上予測）が代表的なタスクです。対照的に、エのように正解を提示せず統計的性質からパターンを見つけるのが教師なし学習（クラスタリングなど）、アのように行動の善しあしを得点（報酬）で与えて方策を学習するのが強化学習です。3方式は「正解ラベルあり＝教師あり」「正解ラベルなし＝教師なし」「報酬で試行錯誤＝強化学習」という、学習時に与える情報の違いに着目して区別するのが最も確実で、本試験でも繰り返し問われる頻出の整理軸です。

なぜ他の選択肢は違うのか

選択肢 ア

個々の行動に得点（報酬）を与え、得点が最大になる方策を学習するのは強化学習の説明です。強化学習では「この出力が正解」という直接の教師信号ではなく、行動の結果としての報酬という間接的な評価だけが与えられ、エージェントが試行錯誤を通じて最適な行動方針を獲得します。囲碁AIやロボット制御が代表例です。正解そのものを与える教師あり学習とは、フィードバックの性質が異なります。

選択肢 イ

利用者の挙動データを蓄積し、出現確率に従って次の挙動を推論するのは、確率モデルによる予測の説明であり、正解ラベルを人間が与えて訓練する教師あり学習の定義とは異なります。データの統計的性質から規則性を導く点では教師なし学習的なアプローチに近い記述です。「正解を教える」という教師あり学習の本質的な要素が含まれていない点に注目すれば除外できます。

選択肢 エ

正解のデータを提示せずに、統計的性質やある種の条件によって入力パターンを判定・クラスタリングするのは教師なし学習の説明です。顧客のセグメンテーションや異常検知のように、データに内在する構造を発見する用途で使われます。「正解を提示せず」という冒頭の言葉が教師あり学習と正反対であることに気づけば、即座に除外できる選択肢です。

解くときのポイント

機械学習は与える情報で分類: 正解ラベルを与える＝教師あり、与えない＝教師なし、報酬で試行錯誤＝強化学習。キーワード「正解」「クラスタリング」「得点・報酬」で見分けよう。