オープンデータセット (Open Datasets)
解説：AI開発の「共有財産」
オープンデータセットは、研究機関、企業、政府などが一般に公開し、誰でも（あるいは特定の条件下で）利用できるようにしたデータの総称です。
高性能なAIを作るには「大量かつ良質なデータ」が不可欠ですが、自前で何万枚もの画像やテキストを集めるのは困難です。
そこで、世界中の研究者が共通して使えるデータセットが公開されており、初期学習や「性能評価のベンチマーク（ものさし）」として広く利用されています。
ベンチマークとしての役割
新しいAIモデルを作ったとき、「精度が出ました！」と言っても、テスト問題が簡単すぎたら意味がありません。
「ImageNetという世界共通の超難問テストで、正解率90%を出しました」と言えば、その凄さが客観的に伝わります。
このように、技術の進歩を測る共通の基準としても機能しています。
試験に出る！代表的なデータセット
以下の3つは、画像認識の歴史を作ってきたデータセットとして必ず覚えましょう。
| 名称 | 中身 | 特徴 |
|---|---|---|
| MNIST (エムニスト) |
手書き数字（0〜9） 28×28ピクセルの白黒画像 |
AIプログラミングの「Hello World」。 初心者が最初に触るデータセット。 |
| CIFAR-10 (サイファーテン) |
一般物体（飛行機、犬など） 10クラスのカラー画像 |
解像度が粗い（32×32）ため扱いやすく、アルゴリズムの実験によく使われる。 |
| ImageNet (イメージネット) |
1400万枚以上の巨大画像群 2万以上のクラス（種類） |
ディープラーニングブームの火付け役。 「ILSVRC」というコンペで使われたことで有名。 |
G検定対策
出題ポイント
- 用途：AIの学習（Training）だけでなく、モデル間の性能比較（Benchmarking）に使われる。
- データセット名：上記の表にある「MNIST」「CIFAR-10」「ImageNet」に加え、物体検出用の「MS COCO」なども選択肢に出る。
- コンペティション：Kaggle（カグル）などのデータ分析コンペでも、これらのオープンデータセットが頻繁に活用される。
ひっかけ対策
- 「オープンデータだから、商用利用も無制限に可能である」→ × 誤り。
これが最大のひっかけです。「研究用途なら無料だが、商用利用は不可」「クレジット表記が必要（CCライセンス）」など、データセットごとに利用規約（ライセンス）が厳格に定められています。必ず確認が必要です。 - 「個人情報が含まれていることはない」→ × 誤り。
顔写真のデータセットなどで、プライバシーや肖像権の問題が指摘され、公開停止になるケースもあります（例：CelebAなど）。使用者の倫理観も問われます。
