① 人工知能の基礎と動向 ／ 1. 人工知能の定義
機械学習とは
機械学習とは、人間がルールを書き下すのではなく、データから規則性やパターンを学習させる手法です。人工知能を実現する中核技術であり、教師あり学習・教師なし学習・強化学習の3つに分類される点がG検定対策として重要です。
この用語はG検定シラバスの「1. 人工知能の定義」に含まれます。 章全体の用語は用語解説①（全54語）にまとまっています。
一言でいうと
ルールを人が教えるのではなく、データからコンピュータ自身に規則性を見つけさせる手法です。
ルールベースとの違い
従来のエキスパートシステムなどは、専門家の知識を人手で「もし〜ならば〜」というルールとして記述していました。しかしこの方式は、ルールを書く作業自体が限界になります（知識獲得のボトルネック）。
機械学習は、この作業をデータからの学習に置き換えた点が本質です。人間はルールではなくデータと学習の枠組みを用意します。
3つの分類
- 教師あり学習：入力と正解（ラベル）の組を与えて学習する。分類と回帰に分かれる。スパムフィルタが代表例
- 教師なし学習：正解を与えず、データの構造そのものを見つける。クラスタリングや次元圧縮が該当する
- 強化学習：エージェントが試行錯誤しながら報酬が最大になる行動を学ぶ。アルファ碁が代表例
機械学習が抱える課題
データから学ぶという性質上、機械学習には固有の難しさがあります。代表的なものが次元の呪いで、特徴量を増やすほど必要なデータ量が急激に増え、学習が難しくなります。
よく扱われるタスク
- 分類：どのクラスに属するかを当てる（迷惑メールか否かなど）
- 回帰：連続した数値を予測する（気温や価格など）
- クラスタリング：似たもの同士をグループに分ける
- 次元削減：情報を保ちながら特徴量の数を減らす
分類と回帰は教師あり学習、クラスタリングと次元削減は教師なし学習に対応します。タスクと学習の種類の対応は押さえておきたいポイントです。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| 教師あり学習 | 入力と正解ラベルの組から学習する。分類・回帰 |
| 教師なし学習 | 正解を与えず、データの構造や規則性そのものを見つける |
| 強化学習 | 報酬を手がかりに、試行錯誤で最適な行動を学ぶ |
🎯 G検定での押さえどころ
- 機械学習は教師あり学習・教師なし学習・強化学習の3つに分類される
- 人工知能 ⊃ 機械学習 ⊃ ディープラーニングという包含関係
- ルールを人手で書くのではなく、データから規則性を学習する点が本質
⚠️ よくある誤りの選択肢
- 「機械学習はディープラーニングの一分野である」→ 誤り。包含関係が逆です
- 「機械学習では人間がルールを記述する必要がある」→ 誤り。ルールをデータから学習する点が本質です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「機械学習の分類」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。