教師あり学習(正解つきの例から学ぶ)
教師あり学習の流れを、いぬとねこの画像を見分けるAIを例に示す図です。正解(ラベル)を付けた例を訓練データとテストデータに分け、学習・テスト・利用の順に進むことと、過剰適合などの注意を示します。
AIのしくみINFORMATION & AI
高校の情報Ⅱの4単元・12点。単元から授業に合う図を選べます。
教師あり学習の流れを、いぬとねこの画像を見分けるAIを例に示す図です。正解(ラベル)を付けた例を訓練データとテストデータに分け、学習・テスト・利用の順に進むことと、過剰適合などの注意を示します。
AIのしくみりんごかほかの果物かを見分けるAIを、少ないデータ・かたよったデータ・多くて多様なデータの3通りで学習させ、新しい画像(緑のりんご)への答えを比べて、データの量と質が答えを左右することを示す図です。
AIのしくみ教師あり学習の予測には、選択肢のどれかを当てる分類(りんごか、みかんか)と、数の大きさを当てる回帰(最高気温からかき氷の店に来る人数)があることを、架空のデータの散布図でくらべ、身近な例と、問い方で変わる例を示した図です。
AIのしくみ訓練データとテストデータに分けた架空のデータに、単純すぎる線(適合不足)・ちょうどよい線・点に合わせすぎた線(過学習・過剰適合)を当てはめ、訓練データとテストデータでの正しさの違いと、練習問題の丸暗記のたとえ、防ぐ工夫を示す図です。
AIのしくみ集めたデータ100件(架空)からテスト用の20件をくじのように選ぶ例で、テストデータを学習に使わない・かたよらないように分ける・本番に近いデータで確かめる、の3つのきまりと、訓練データ・テストデータ(と検証データ)の使い方を示す図です。
AIのしくみ1000人中10人が病気という架空の例で、いつも「病気ではない」と答えるAIの正解率が99.0%でも全員を見のがすことと、判定を4つに分けて数える見方(見つけた・見のがし・まちがい・正しく除いた)、場面によって見のがしとまちがいのどちらを減らすかを示す図です。
AIのしくみ仕事にAIを取り入れることが雇用に与える影響について、よい影響を期待する意見と心配な影響を指摘する意見を、根拠の例とともに左右に並べ、話し合いの進め方を添えた図です。どちらが正しいかは示しません。
AIと社会AIを公開する前に試験し、対策して公開し、使われ方を見守り、直して更新する輪と、開発する組織・外部の専門家・国の機関(日本のAIセーフティ・インスティテュート)がそれぞれ確かめることと、確かめる観点の例を示す図です。
AIと社会問いを立てる・データを集める・整える・分析とモデル化・評価する・伝えて生かす、の6つの段階のくり返しを、図書室の利用をふやす例(架空)とともに示し、どの段階でも確かめること(目的・かたより・個人情報・結論の範囲)を示す図です。
データとプログラミング学校の連絡用の掲示板システム(架空)を例に、要件定義・外部設計・内部設計・実装・テスト・運用の6つの段階と、問題が見つかったら前の段階にもどること、複数人で役割を分担して進めるプロジェクト・マネジメントを示す図です。
データとプログラミング架空のアンケートのデータにある欠けた値・外れ値・表記のゆれ・単位のちがい・重複を、整える前と後でくらべ、それぞれの整え方(前処理)と、整え方で分析の結果が変わるので記録を残すことを示す図です。
データとプログラミング地域の防災を伝える短い動画(架空)を例に、目的と受け手を決める・構成を考える・素材を組み合わせてつくる・メディアを選んで発信する・反応を見て直す、の5つの段階と、文字・音声・静止画・動画の組み合わせ方、発信する前に確かめること(権利・個人情報・正確さ・伝わりやすさ)を示す図です。
情報社会と情報デザイン