データセット

機械学習を行うには、まずコンピュータにたくさんの情報を覚えさせ、様々な法則を見つけ出す訓練をさせる必要があります。この訓練で使う教材のような役割を果たすのが、教師データです。人間が子供に文字を教える時、何度も繰り返し書き方を教え、その文字が何であるかを伝えるのと同じように、コンピュータにも正解が分かるデータを大量に与えて学習させるのです。教師データは、入力データとその答えである正解データの組み合わせでできています。例えば、果物の写真を見てそれが何の果物かを当てる人工知能を作ることを考えてみましょう。この場合、果物の写真が入力データ、その写真に写っている果物が何であるかを示す名前が正解データになります。りんごの写真には「りんご」という名前、みかんの写真には「みかん」という名前がセットで用意されているわけです。人工知能は、大量のこのような組を学習することで、写真の特徴と果物の名前の対応関係を自ら見つけ出します。例えば、赤い色で丸い形をしていれば「りんご」、オレンジ色で皮がデコボコしていれば「みかん」といった具合です。そして、この学習を通して人工知能は、新しい果物の写真を見せられたときにも、それが何の果物かを予測できるようになるのです。教師データの質と量は、人工知能の性能に大きな影響を与えます。まるで人間の学習と同じく、質の高い教材でしっかりと教えれば、人工知能も賢く育ちます。逆に、間違った情報が含まれていたり、データの数が少なすぎたりすると、人工知能は正しい判断を下すのが難しくなります。そのため、人工知能を作る際には、目的に合った適切な教師データを選ぶことが非常に重要です。質の高い教師データこそ、人工知能を賢く育てるための、なくてはならない教科書と言えるでしょう。