バイアス（Bias）とは？-AI関連の用語集【クラベルAI】-

バイアス（Bias）

バイアス（Bias）とは、AIや機械学習においては推定値や予測値が真の値から体系的にずれてしまう傾向を指します。
統計学的には「偏り」の意味でデータやモデル、学習プロセスの中で生じます。

機械学習でのバイアスには大きく分けて2種類あります。

1. 統計的バイアス

   • モデルの構造や仮定が不適切な場合に発生。
     例：直線モデルで曲線的なデータを無理やり表現すると、予測が全体的にずれる。

2. 社会的バイアス

   • 学習データに社会的な偏りが含まれている場合。
     例：顔認識AIが特定の人種の精度が低いのは、学習データが偏っているため。

AIモデルでは、「バイアス-バリアンスのトレードオフ」という概念があり、バイアスを下げすぎると逆に過学習（オーバーフィッティング）を招くことがあります。
そのため、完全になくすのではなく適切な範囲に抑えるのが重要です。

バイアス（Bias）関連用語

バイアス（Bias）に関連する単語は以下の通りです。

バイアス（Bias）やさしい解説

バイアス（Bias）は「いつも同じ方向に間違えるクセ」です。

例は下記の通りです。

• 身長を測る物差しが少し短く作られていて、全員の身長が実際より2cm低く出る
• これはたまたまの誤差ではなく、測り方そのものにクセがある

AIの場合、このクセはデータの偏りや計算方法の選び方から生まれます。
例えば、動物の写真を分類するAIが犬ばかりの写真で学習すると猫を見ても犬だと答えてしまうことがあります。

AI関連の用語集【まとめ】

AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方はぜひご覧ください。