# AI技術解説：教師あり学習を理解する

本記事では、広く用いられている「教師あり学習」を解説します。

Source: https://www.iplexlaw.co.kr/ja/blog/846552

ホーム / ニュース・知財情報 ニュース・知財情報 AI技術解説：教師あり学習を理解する 本記事では、広く用いられている「教師あり学習」を解説します。 AI・ソフトウェア 2023.05.18 公開 IPLEX 約4分で読めます この投稿では、一番使われたものをお伝えします。 教師トレーニング です。 初期段階のAIアルゴリズムは、新生の脳として完全に空白であることが理解されています。 それは本当に空白ではありません。 AIで何かをするためには、それを教える必要があります。 先生にとって教えがとても重要である理由です。 犬と猫を区別することで、最も使われている例である教師の学習を記述するためにこれを使います。 最初にあなたの犬と猫を見せたら、 新生児は、犬と猫の区別できません。 .. . 猫や犬の体験はありません。 犬がどんな姿なのか、猫が見えるのかは分かりません。 猫と犬の間で子供が区別できるようにするにはどうすればよいですか? 両親は犬を「この動物は犬です」と示し、猫を教える。「この動物は猫です」。 . 何度もこのエクササイズを繰り返すと、新生児は犬と猫の違いを認識します。 .. . このプロセスが完了すると、新生児は犬を見ているときに「犬」と「猫」に答えることができます。 上記の例から見ることができるように、人工知能は新生児に似ています。 初期のAIは、どの画像が犬の画像なのか、猫の画像なのかを分かりません。 .. . トレーニングがないため。 だから、人工知能を学ぶために、 人は犬と猫を含むたくさんの画像を用意する必要があります。 また、自分の犬を含む画像は「このイメージは犬のイメージ」にタグ付けされ、猫を含む画像は「このイメージは猫のイメージ」にタグ付けする必要があります。 . たくさんのタグ付き画像をAIに入力すると、AIが自動的に画像とタグを識別し、犬の画像は、猫のイメージがどのような機能であるかを自動的に認識します。 .. . 犬のイメージが学習完了したAIに入力されると、犬のイメージは犬のイメージに似ているように決定され、猫の出力は猫のイメージが入力されたときに学ぶために使用される猫のイメージに似ていると決定されます。 上記の各ステップについて、より専門的な方法で説明してみましょう。 アノテーション (実際の説明と若干異なる場合があります。) 「このイメージは犬のイメージ」として犬を含むイメージをタグ付けし、猫を含むイメージを「このイメージは猫のイメージです」とラベル付けします。 私は言っています。 実際にはタグ付けされませんが、0と1のような数字でイメージをラベル付けします。 言い換えると、0は「このイメージは犬のイメージ」を意味し、1は「このイメージは猫のイメージ」を意味します。 すべてのデータをラベル作成する アノテーション ナショナル・アントヘム . トレーニング (実際の説明と若干異なる場合があります。) 学習(学習) トレーニング プロセスの詳細な説明は、学習の過程で、犬のイメージや猫のイメージを入力することができ、AIの出力値が何であるかを見ることができます。 犬の画像が入ると、数字0.8(猫に近い値)が出力されると、0と0.8の違いはAIに反転します。 この逆波が実行されると、犬の画像が入力したときにゼロの値を出力できるように、AIのそれぞれのパラメータ値(太り値)が更新されます。 このプロセスが何度も繰り返されると、犬の画像が入ってくると、出力がゼロになるようにAIのパラメータが変更されます。 推論 (実際の説明と若干異なる場合があります。) AIが終了したら、人や猫のかどうかを判断するために、AIに新しいイメージを置きます。 推論 申し訳ございません。 つまり、新しいイメージが学習完了したAIに入った場合、AIは、画像が犬と猫の確率で、最終出力としてより高い確率を発揮する確率を計算します。 韓国語原文を読む この記事は公表時点の情報に基づいています。個別の事情については、当事務所にご相談ください。 この分野について相談 ↗ 記事一覧 IPLEXに相談 知的財産の課題を、 ご相談ください。 技術の内容と事業上のご要望を踏まえ、対応方針を共に検討します。 ↗ お問い合わせ 新しい記事 IPLEXが2hrs AcademyとMOUを締結 ↗ 前の記事 AIによる医用画像解析に関するLunitの特許 ↗ 関連インサイト AI・ソフトウェア 2026.10.01 FiXを読む：ソフトマックス注意機構における特徴ごとの忘却制御 金容德弁理士がFiXの特徴単位ゲート、数値計算とページ型キャッシュを分析し、実験で示された効果と残る課題を整理します。 ↗ 記事を読む AI・ソフトウェア 2026.09.30 MHAR：特徴部分空間ごとに過去の層を読み分ける仕組み 韓国弁理士の金容德が、Multi-Head Attention Residualsの深さ方向の情報選択、実験結果、実装コストと技術的効果を検討します。 ↗ 記事を読む AI・ソフトウェア 2026.09.28 寄稿掲載：Claude Computer Useを手がかりに、AIエージェントの学習技術を特許から読み解く 金容德代表弁理士の寄稿がAI Timesに掲載されました。米国特許第12,585,862号を取り上げ、AIエージェントが画面操作を学ぶ仕組みを解説しています。 ↗ 記事を読む

- https://www.iplexlaw.co.kr/ja
- https://www.iplexlaw.co.kr/ja/blog/category/ai
- https://www.iplexlaw.co.kr/forum/view/846552
- https://www.iplexlaw.co.kr/ja/contact
- https://www.iplexlaw.co.kr/ja/blog
- https://www.iplexlaw.co.kr/ja/contact
- https://www.iplexlaw.co.kr/ja/blog/846854
- https://www.iplexlaw.co.kr/ja/blog/846162
- https://www.iplexlaw.co.kr/ja/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ja/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ja/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ja/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ja/blog/claude-computer-use-agent-patent
- https://www.iplexlaw.co.kr/ja/blog/claude-computer-use-agent-patent