本文へ移動
(お問い合わせ)

学習データとは?

学習データとは、AIのモデルに知識やパターンを覚えさせるために使うデータです。量だけでなく、質と偏りのなさがAIの性能を左右します。

データ画面が浮かぶ空間に手を伸ばす、スーツ姿の人たち

学習データとは、AIのモデルをつくるときに、知識や判断のパターンを覚えさせるために使うデータのことです。たとえば、不良品を見分けるAIなら良品と不良品の画像が、問い合わせを振り分けるAIなら過去の問い合わせと振り分け先の組み合わせが、学習データになります。AIは学習データから学んだことしか知らないため、どんなデータで学習したかが、そのまま得意・不得意に表れます。

学習データには、どんな種類があるのか?

正解の付いたデータと、正解の付いていないデータに大きく分かれます。正解を付ける作業は「アノテーション」と呼ばれ、AIづくりの手間の多くを占めることがあります。

データの種類内容例
正解の付いたデータ入力と正解の組み合わせ「良品」「不良」の印を付けた製品の画像
正解の付いていないデータ入力だけのデータ大量の文章、印のない画像
評価用のデータ学習には使わず、できあがったAIを確かめるためのデータ学習に使っていない過去の問い合わせ

生成AIでは、学習データはどう使われているのか?

LLMは、Webページや書籍などの膨大な文章で、あらかじめ学習されています。業務で使うときは、自社でモデルを学習させるより、答える前に社内の資料を渡す方法(RAG)をとるのが一般的です。

事前学習
AIの提供会社が、膨大な文章でモデルをつくる段階です。言葉の使われ方や一般的な知識を身につけます。
追加の学習(ファインチューニング)
できあがったモデルに、自社のデータを追加で学習させ、特定の作業や言い回しに合わせる方法です。
資料を渡して答えさせる(RAG)
モデルは学習させずに、答える前に社内の資料を検索して渡します。資料を差し替えるだけで、新しい情報を反映できます。

よい学習データとは、どんなデータか?

よい学習データは、実際の業務と同じ種類のデータが十分な量あり、正解が正しく付いていて、偏りのないデータです。

データが偏っていると、AIの判断にも偏りが出ます。たとえば、ある季節の取引だけで学習した需要予測は、別の季節にはうまく当たりません。

  • 実際に使う場面と同じ条件で集めたデータであること
  • 正解の付け方が、人によってぶれていないこと
  • 特定の時期や地域、顧客層などに偏っていないこと
  • 古いデータや重複したデータが整理されていること

学習データを扱うときの注意点は?

個人情報や機密情報の扱い、他者の著作物の扱い、データの出どころの記録の3点に気をつけます。法令に関わる判断は、専門家や公的機関の案内を確かめてください。

個人情報・機密情報
個人情報を含むデータを学習に使う場合は、利用目的の範囲に入っているかを確かめ、必要に応じて氏名などを取り除いてから使います。
他者の著作物
日本の著作権法には、AIの学習のような情報解析のための利用について定めた規定(第30条の4)がありますが、どんな場合でも自由に使えるわけではありません。文化庁の「AIと著作権に関する考え方について」(2024年)などを確かめ、迷う場合は専門家に相談してください。
出どころの記録
どのデータを、いつ、どこから集め、どう加工したかを記録しておくと、AIの判断に問題が見つかったときに原因をたどれます。

トラックファームでは、学習データをどう扱っているか?

お客様のデータを、AIの提供会社のモデルの学習に使わせることはありません。入力したデータが学習に使われない契約・設定のAPIや環境だけを使います。

製造業の見積・請求の管理システムでは、モデルを学習させるのではなく、過去の見積から似たものを探して実例としてAIに渡し、明細の下書きをつくらせています。お客様の社名や住所、担当者名はAIに送らず、送るのは件名と明細、単価だけです。

よくある質問

AIをつくるには、どのくらいの量の学習データが必要ですか?

作業の難しさとやり方によって大きく変わるため、一概には言えません。生成AIを業務で使う場合は、自社でモデルを学習させず、資料を渡して答えさせる方法をとることが多く、その場合は大量の学習データを用意しなくても始められます。

社内のデータを学習に使うと、社外に漏れることはありますか?

使い方によっては、そのおそれがあります。学習させたモデルが、学習データの一部をそのまま答えに出してしまうことがあるためです。機密情報は学習に使わず、答える前に資料を渡す方法で、見られる人を限って扱うほうが安全です。

最終更新:監修:代表取締役 錦見 穣

まずは無料で、
どこから手をつけるべきかを見立てます。

オンライン面談60分+診断メモ。全国対応です。