過学習

過学習とは

過学習（Overfitting）は、AIモデルが訓練データに過度に適合してしまい、未知の新しいデータでの性能が落ちる現象です。"訓練データの答えを丸暗記している状態"と言い換えるとわかりやすいです。

過学習が起きると、開発時の精度は高いのに本番で使えないという事態になります。

なぜ起きるか

• 訓練データが少ない
• モデルが複雑すぎる（パラメータ数が多すぎ）
• 訓練データに偏りがある
• 学習回数が多すぎる

どう防ぐか

• データ量を増やす・データ拡張
• シンプルなモデルから試す
• 正則化（モデルの自由度を制限）
• 学習を早めに止める（Early Stopping）
• 検証データで評価を行い、過学習前に止める

士業業務との関係

直接AIを開発しない士業には技術的な話ですが、AIベンダー選定や業務特化AIを導入するときの評価観点として以下が重要です。

• デモの精度は当てにしない: デモ用の最適化されたデータかもしれない
• 自事務所のデータで試用: 実業務のデータで動くか確認
• 新しいパターンへの強さ: 想定外の案件で破綻しないか

「過学習していないか」は、AIの実力を見極める質問の一つになります。