正解：イ
各選択肢の解説
アデータクレンジング
誤り。データクレンジングは、データに含まれる誤りや表記の揺れ、重複を見つけて正す作業です。 どちらも分析の前に行う下準備ですが、クレンジングは既にある値をきれいにするもので、 画像に新しく意味を付け足すものではありません。
イアノテーション
正解。アノテーションは、画像や文章などのデータに、その意味を表すラベルを人が付ける作業です。 付けたラベルが、AIが学ぶときの正解（教師データ）になります。
ウデータ結合
誤り。データ結合は、顧客IDなど共通のキーを使って、別の表の項目を突き合わせて付け加える処理です。 情報を足す点は似ていますが、結合は既にある表から機械的に持ってくるもので、 人が1枚ずつ見て判断を書き込むわけではありません。
エテキストマイニング
誤り。テキストマイニングは、大量の文章から頻出する語や語どうしの関係を取り出して傾向をつかむ分析です。 データを扱う作業という点で並びますが、対象は文章で、目的はデータから知見を引き出すことです。 AIの学習用にラベルを付ける作業とは向きが逆です。
理解を深めるために
AIに「これが正解」と教えるための下ごしらえ
子どもに動物を教えるとき、写真を見せながら「これは犬」「これは猫」と名前を添えます。 AIに画像を見分けさせるときも同じで、画像ごとに「これは良品」「これは傷あり」と 人が答えを付けておく必要があります。この作業がアノテーションです。
なぜ人の手が必要なのか
- 正解を持っているのは人 … 傷かどうかを判断できる人が見て、その判断をラベルとして残す
- ラベルの質がAIの質を決める … 付け間違いが多いと、AIは間違った基準を覚える
- 量が要る … 見分ける精度を上げるには多くの例が必要で、時間と手間のかかる工程になる
画像のほかにも、文章に「肯定的」「否定的」と付ける、音声に話している内容を書き起こして付けるなど、 対象はさまざまです。いずれもAIが学ぶための教師データを作る工程です。
混同しやすいものとの違い
| 用語 | 何をするか |
|---|---|
| アノテーション | データに人が意味のラベルを付け、教師データを作る |
| データクレンジング | 既にある値の誤り・揺れ・重複を正す |
| データ結合 | 共通のキーで別の表の項目を付け加える |
| テキストマイニング | 大量の文章から傾向や関係を取り出す |
試験では「人がラベルを付ける」「教師データを作る」という言い回しが手掛かりになります。 既存の値を直すのか、情報を付け足すのか、知見を引き出すのかで区別してください。