生成AIパスポート 用語解説
半教師あり学習とは
少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習する手法。ラベル付け作業のコストを抑えながら、大量の未ラベルデータも学習に活用できる。
まず押さえる結論
半教師あり学習は、生成AIパスポートの「第1章 AI（人工知能）」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-08-31。
公式シラバス（PDF）（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×教師あり学習・教師なし学習・強化学習の取り違え。クラスタリングや次元削減は「教師なし」、分類や回帰は「教師あり」、報酬を手がかりに学ぶのが「強化学習」。
×弱いAI（ANI）と強いAI（AGI）の混同。特定の課題に特化するのが弱いAI、人間のように幅広い課題へ汎用的に対応できるとされるのが強いAI。
×AIブームと中心技術の対応ずれ。第一次＝探索・推論、第二次＝エキスパートシステム、第三次＝ディープラーニングとビッグデータ。
関連する確認問題
第1章 AI（人工知能） / AIに知能をもたらす仕組み
商品画像の大半には正解ラベルがなく、一部だけに商品カテゴリが付いている。両方を利用して分類器を学習する方式を選ぶとき、確認すべき説明はどれか。
この事例では「少量のラベル付きデータと大量のラベルなしデータを併用するか」を確認すると、半教師あり学習とは、大量のラベル付きデータと少量のラベルなしデータを組み合わせて学習する手法であるに絞れる。正解は「半教師あり学習とは、大量のラベル付きデータと少量のラベルなしデータを組み合わせて学習する手法である」（誤り）である。半教師あり学習は、少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習する手法であり、設問の「大量のラベル付き・少量のラベルなし」という説明はラベル付き/ラベルなしの分量が逆になっている。教師あり学習・教師なし学習・強化学習の説明はいずれも正しい。半教師あり学習は、ラベル付け作業のコストを抑えながら大量の未ラベルデータも学習に活用できる点が実務上の利点とされる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
大量の未分類レビューと、少数だけ評価済みのレビューを組み合わせたい。適切な学習方式を見分ける説明はどれか。
この事例では「正解付きと正解なしのデータを同時に活用するか」を確認すると、半教師あり学習とは、大量のラベル付きデータと少量のラベルなしデータを組み合わせて学習する手法であるに絞れる。正解は「半教師あり学習とは、大量のラベル付きデータと少量のラベルなしデータを組み合わせて学習する手法である」（誤り）である。半教師あり学習は、少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習する手法であり、設問の「大量のラベル付き・少量のラベルなし」という説明はラベル付き/ラベルなしの分量が逆になっている。教師あり学習・教師なし学習・強化学習の説明はいずれも正しい。半教師あり学習は、ラベル付け作業のコストを抑えながら大量の未ラベルデータも学習に活用できる点が実務上の利点とされる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
医療画像の一部だけに診断ラベルがあり、残りの未ラベル画像も学習へ使う。方式を特定する説明はどれか。
この事例では「ラベルの有無が混在するデータを用いるか」を確認すると、半教師あり学習とは、大量のラベル付きデータと少量のラベルなしデータを組み合わせて学習する手法であるに絞れる。正解は「半教師あり学習とは、大量のラベル付きデータと少量のラベルなしデータを組み合わせて学習する手法である」（誤り）である。半教師あり学習は、少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習する手法であり、設問の「大量のラベル付き・少量のラベルなし」という説明はラベル付き/ラベルなしの分量が逆になっている。教師あり学習・教師なし学習・強化学習の説明はいずれも正しい。半教師あり学習は、ラベル付け作業のコストを抑えながら大量の未ラベルデータも学習に活用できる点が実務上の利点とされる。
同じ章で確認したい用語
到達チェック
- 半教師あり学習を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、半教師あり学習に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）