機械学習における「教師」とは、AIモデルに学習させるための正しい答え（正解ラベル）やそのデータを提供する役割・概念を指します。人間がデータに注釈をつけるアノテーション作業などを通じて準備され、AIが入力データと正解との誤差を計算して予測精度を向上させるための基準として機能します。
教師とは
AIにおける教師とは、機械学習モデルの学習時に「正解」を指し示し、モデルの予測精度を正しく導くための役割やデータのことを言います。
詳しく解説
機械学習の分野では、モデルが入力データからパターンを学ぶ際に、目標とする適切な出力（正解）を与えて学習させる手法があります。この正解を提示する仕組みや役割を学校の先生に例えて「教師」と呼びます。具体的には、画像データと「猫」という正解ラベルをセットにした教師データを用意し、AIが予測した結果と実際の正解のずれ（誤差）を数学的に計算します。モデルはその誤差が小さくなるように内部パラメーターを調整することで学習を進めます。高品質な正解データを作成するアノテーションの工程が、モデルの性能を左右する重要な要素となります。
具体例・使われ方
例えば、迷惑メールの自動分類AIを開発する際、受信メールの本文と「迷惑メール」「通常のメール」という正解ラベルを対応づけてAIに読み込ませます。医療画像診断支援AIでは、医師がレントゲン写真内の病変部に目印をつけたデータが教師の役割を果たします。
似た用語との違い
教師あり学習では教師データとして明確な正解が提供されますが、教師なし学習では正解が存在せず、データ内の構造やパターンをAIが自力で見つけ出します。また強化学習では、正解ラベルの代わりに「報酬」という形で行動の良し悪しがフィードバックされます。
注意点
教師役となるデータ自体に人間の偏見や誤ったアノテーションが含まれていると、AIも誤った判断を学習してしまいます。また、あらゆる状況に対応できる完全な正解データを準備するには膨大なコストと手間がかかる点に注意が必要です。