教師なし学習とは

まず押さえる結論

教師なし学習は、生成AIパスポートの「第1章 AI（人工知能）」に出てくる用語です。見分けの要点は、教師あり学習は正解ラベル付きのデータで入力と正解の対応関係を学ぶ手法で、分類や回帰が代表例です。強化学習は正解ラベルではなく行動の結果として得る報酬を手がかりに試行錯誤で学習する枠組みです。教師なし学習はこの2つと異なり、正解ラベルを一切使わずデータ自体の構造を見つける点が特徴です。

比較記事でさらに確認する

教師なし学習の具体例と、問題文で見る箇所・隣接概念との境界

正解ラベルを使って対応関係を学ぶ手法ではなく、ラベルのないデータから構造やパターンを見つける手法として捉える

購買データを似た傾向ごとにグループ分けしたり、大量の変数を少ない次元に要約したりする場面では、正解ラベルを与えず、データに潜む構造やまとまりをモデル自身に見つけさせます。これが教師なし学習で、似たデータをグループへまとめるクラスタリングと、データの次元を圧縮する次元削減が代表例です。

問題文で見る箇所

「ラベルなし」「構造やまとまりを見つける」「クラスタリング」「次元削減」という語があれば教師なし学習を候補にします。入力と正解の組が与えられている、報酬を手がかりにするという記述であれば、教師なし学習ではなく別の学習方法を候補にします。

隣接概念との境界

教師あり学習は正解ラベル付きのデータで入力と正解の対応関係を学ぶ手法で、分類や回帰が代表例です。強化学習は正解ラベルではなく行動の結果として得る報酬を手がかりに試行錯誤で学習する枠組みです。教師なし学習はこの2つと異なり、正解ラベルを一切使わずデータ自体の構造を見つける点が特徴です。

誤答しやすい選択肢

• ラベルなしデータから構造やまとまりを見つける教師なし学習を、入力と正解の対応を学ぶ教師あり学習と同じ枠組みとして扱う。ラベルの有無で2つは分かれます。
• クラスタリングの結果として得られたグループ分けを、最初から与えられていた正解ラベルと取り違え、教師あり学習として扱う。グループ分けはモデルが後から見つけたものです。
• 報酬を手がかりに行動を改善する強化学習を、ラベルを使わないという理由だけで教師なし学習として扱う。強化学習は報酬にもとづく試行錯誤という別の枠組みです。

4段階の判断手順

1. 01設問にラベルという語があるかどうかを先に確認する。
2. 02目的が構造やまとまりの発見（クラスタリング・次元削減）かどうかを確認する。
3. 03正解ラベルを使う分類・回帰の説明であれば教師あり学習に切り替える。
4. 04行動の結果として得られる報酬という語があれば強化学習に切り替える。

到達条件: 教師なし学習をラベルなしデータから構造を見つける手法として説明し、教師あり学習・強化学習との違いを言える。

試験での問われ方

誤答しやすいポイント

「第1章 AI（人工知能）」の問題で、取り違えやすい組み合わせです。

• 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

同じ章で確認したい用語

他資格でも出題される用語

用語を体系的に学べる書籍（Amazon）

用語の意味を調べたあとに、試験範囲の流れの中で読み直したいときの公式テキストと公認テキストです。購入前に版と試験範囲への対応を確認してください。

AXリテラシー教科書 生成AIパスポート 公式テキスト 2027年試験シラバス対応試験を実施する生成AI活用普及協会（GUGA）が書いた公式テキストです。2027年2月試験から使われるシラバスに対応しています。発売日は2026年11月24日です。Amazonで見る最短攻略！生成AIパスポート 公認テキスト＆問題集試験を実施する生成AI活用普及協会が監修した公認テキストと問題集です。Amazonで見る