自己教師あり学習とは
自己教師あり学習とは、ラベルを用いず、擬似的な教師信号（Pretext Task）を自動生成して特徴を学習する手法です。大量の未ラベルデータを活用でき、事前学習として有効です。
この用語はG検定シラバスの「31. 転移学習・ファインチューニング」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
データ自身から正解を作り出して学習する手法。ラベル付けが不要です。
正解を自分で作る
ラベル付けには膨大なコストがかかります。しかしデータ自体には正解を作る手がかりが含まれています。
こうした課題をPretext Task（口実の課題）と呼びます。本来解きたい課題ではありませんが、解く過程で有用な特徴が身につきます。
教師なし学習との違い
ラベルを使わない点は教師なし学習と同じです。しかし自己教師あり学習は「正解を自動生成して教師あり学習の形で解く」という点が異なります。
この手法があるからこそ、インターネット上の膨大なテキストをそのまま学習に使えるようになりました。大規模言語モデルを支える基盤技術です。
なぜ画期的だったのか
ラベル付けのコストがAI開発の最大の制約でした。それを外せたことの意味は非常に大きなものでした。
インターネット上のテキストや画像をそのまま学習資源にできるようになり、大規模化への道が開けました。
🎯 G検定での押さえどころ
- Pretext Taskで疑似的な正解を自動生成する
- ラベルなしデータを大量に活用できる
- 事前学習として有効（BERT・GPTの基盤）
⚠️ よくある誤りの選択肢
- 「自己教師あり学習には人手によるラベル付けが必要である」→ 誤り。不要な点が特徴です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「半教師あり学習と自己教師あり学習」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。