責任あるAIと倫理比較問題
AIにおける「過学習（Overfitting）」と「未学習（Underfitting）」の違いに関する説明として最も適切なものはどれか？
A.過学習はモデルが訓練データに対して良い性能を示すが未知データへの汎化性能が低い状態を指し、未学習はモデルが訓練データにも未知データにも十分適合できていない状態を指す← 正解
✓ 正解です。過学習は訓練データへの過剰適合で汎化性能が低い状態、未学習は訓練・テスト両方で性能が低い状態を正しく説明しています。
B.過学習はデータ量が不足している場合に発生し、未学習はモデルが複雑すぎる場合に発生する
✗ 原因の説明が逆です。過学習はモデルが複雑すぎる場合などに発生し、未学習はモデルが単純すぎる場合などに発生します。
C.過学習はモデルの公平性が失われた状態を指し、未学習はモデルが特定の属性に対してバイアスを持つ状態を指す
✗ 過学習と未学習は機械学習の汎化性能に関する概念であり、公平性やバイアスの問題とは直接関係しません。
D.過学習と未学習はどちらもモデルの訓練データが偏っている場合に生じる問題であり、本質的な違いはない
✗ 両者は異なる問題です。過学習は高分散、未学習は高バイアスの問題であり、それぞれ異なる対処法が必要です。