データリーク（学習データの汚染）
意味・解説
AIの学習プロセスにおいて、本来はテスト用データにのみ含まれるべき情報が学習用データに紛れ込んでしまい、評価精度が不当に高く出てしまう現象。
ホールドアウト法などでデータを分ける際、未来の情報が過去の学習データに含まれるなどのミスで発生する。これにより、開発環境では完璧に見えるAIが、実運用（本番）では全く役に立たないという事態を招く。
くわしく
「AIという『受験生』が、試験問題を事前に知ってしまい、実力ではなく『カンニング』で高得点を取ってしまうこと」です。
1.原因:
例えば、株価予測で「翌日の終値」を特徴量に入れて学習させてしまうような、現実にはあり得ない未来の情報を混ぜるミス（ターゲットリーク）が代表例です。
2.脅威:
リークが起きているAIは、見かけ上の精度が100%に近くなるため、一見優秀に見えます。しかし、本番ではその『カンニングペーパー』がないため、精度が壊滅的に低下します。ポイントは、このリークを見抜く目を持たなければ、間違ったAI投資を推進してしまうリスクがあるからです。
例文
需要予測AIの開発において、本来は予測時点で不明であるはずの実績データが特徴量に含まれるというデータリークが発覚し、モデルを再構築した。
同義語: ターゲットリーク / 情報漏出（AI評価用）
分類: 機械学習モデルの品質管理